北京
关键词：复杂网络，热力学，网络密度矩阵，网络稀疏性，第一性原理
论文题目：Diversity of information pathways drives sparsity in real-world networks 论文期刊：Nature Physics 论文地址：https://www.nature.com/articles/s41567-023-02330-x
在网络中传播信息的过程中，存在多种不同的路径和方式。信息路径的多样性衡量了在整个网络结构中，信息可以通过多少种不同的途径传递。如果网络中存在多样的信息路径，意味着信息传播具有灵活性和韧性，即使某些路径受阻或失效，信息仍然可以找到其他路径传递。
最近发表于Nature Physics的这篇文章着眼于复杂网络中信息的传播与网络结构之间的相互关系。研究者们致力于揭开复杂网络稀疏性的奥秘，他们借鉴热力学的概念，运用网络密度矩阵和变分原理等数学工具，力图深入揭示复杂网络中信息路径的多样性与网络稀疏性之间的内在联系。
网络密度矩阵（Network density matrices）是一种描述节点连接关系的新型数学工具。密度矩阵能捕捉多个节点之间的高阶联系，使得研究者们能够更全面地理解网络结构。他们引入了一个新的指标η，用以衡量网络的稀疏性。η类似于热力学效率，较高的η能够更好地平衡响应多样性损失和信息流动增益。他们还展示这个框架如何允许我们对复杂网络的特定拓扑特征进行预测，例如它们的连通性和密度、有序与无序、异质或同质。他们通过对各种网络模型和真实网络的数值实验，验证了他们理论框架的准确性。
这一热力学框架的应用使得我们能够更好地理解为什么真实世界网络呈现出一定的稀疏性。热力学的概念为我们提供了一种全新的解释视角，通过优化信息流动和响应多样性的平衡，揭示了网络结构的内在机制。我们可以透过热力学，更全面地理解网络中信息是如何流动的，节点之间是如何相互关联的。这不仅有助于我们更好地优化和设计网络结构，还为社交学、生物学、信息科学等领域的研究提供了新的方法和思路。
图1 响应多样性与信息传播。a）符号网络中，从扰动节点（vi，红色）到它的第一、第二和第三邻居的流，分别由时间演化算子e- τL的一阶、二阶和三阶项激活。局域传播子可表示为热图。b）局部传播子加权叠加得到网络密度矩阵，描述了网络对随机扰动的响应。c）四个具有不同连通性的简单图，显示它们对不同环境扰动的响应(扰动节点用红色表示)。
图2 拓扑特征对η的影响。a）从不连通到连通；b）从分立到整合；c）从有序到无序；d）从异质到同质。
图3 生物网络与其CM零模型，ER零模型对比。考虑多种连接组，包括线虫、球绦虫和人脑连接组等等，考虑六种真菌，包括Pv、Ag、Rb、Pp、Sc和Pi（正文提供了每个数据集的描述）。虚线显示每种情况和其ER零模型、CM零模型中的平均η。
编译｜朱欣怡
高阶网络社区
详情请见：
推荐阅读
1.
2.
3.
4.
5.
6.
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
