Összesen: 1 cikk

A komplex hálózatok elemzésében egyre fontosabb szerepet kap az a kérdés, hogyan lehet a hálózat csomópontjait egy olyan térbe „leképezni”, ahol a közöttük lévő távolságok jól tükrözik a valós kapcsolati mintákat. Az utóbbi évek kutatásai alapján az alacsony dimenziós hiperbolikus terek különösen alkalmasak erre: jól kezelik a skálafüggetlen hálózatok sajátosságait, egyenletesen képesek elhelyezni a csomópontokat, és pontosan modellezik a kapcsolatok valószínűségét.

A Communications Physics folyóratban közölt cikkben – amelynek társszerzői között van intézetünk két munkatársa: Sulyok Bendegúz és dr. Palla Gergely – a most bemutatott CLOVE nevű módszer új megközelítést kínál a hiperbolikus beágyazás területén. A legfrissebb eredmények ugyanis azt mutatják, hogy a hálózati közösségek a hiperbolikus térben jól elkülöníthető, különálló „szögtartományokként” jelennek meg. A CLOVE ezt a struktúrát használja ki: hierarchikusan rendezi el a közösségeket, majd ezen belül az egyes csomópontokat is, így egy olyan térbeli elrendezést hoz létre, amely egyszerre áttekinthető és informatív.

A módszer egyik kulcsfontosságú lépése a közösségek optimális sorrendjének megtalálása, amelyet a szerzők a jól ismert utazóügynök-problémaként (Travelling Salesman Problem) fogalmaztak újra – és erre hatékony megoldást dolgoztak ki. A CLOVE így egyszerre nyújt nagy pontosságú beágyazást és kiemelkedő számítási hatékonyságot.

A kutatás szerint a CLOVE számos mérőszámban felülmúlja a jelenlegi csúcstechnológiás megoldásokat, ami különösen értékessé teszi olyan területeken, mint az MI-alapú mintázatfelismerés vagy más hálózatelemző gépi tanulási feladatok. A szerzők szerint az új módszer fontos lépést jelenthet a komplex rendszerek még pontosabb térbeli modellezése felé.

A kutatás az Egészségbiztonság Nemzeti Laboratórium (RRF-2.3.1-21-2022-00006) és a Nemzeti Kutatási, Fejlesztési és Innovációs Hivatal NKFIH;(SNN139598);(K128780) támogatásával jött létre.

Összesen: 1 cikk