暗いネットワークの知覚可能なノード間の複数のパスの遠い相互作用の再構築

生物学的および社会システムを含む学際的な分野の定量的研究は、近年大きな注目を集めています。複雑なネットワークは、調査に人気があり重要なツールです。爆発的に増加するデータは、実用的なネットワークによって作成され、動的ネットワークに関する有用な情報を抽出できます。データからネットワーク構造、つまりネットワークの再構築は重要なタスクです。ネットワークの再構築の履行には、データ不足（非表示ノードの存在）や隣接するノード間の信号伝播の時間遅延など、多くの困難があります。このホワイトペーパーでは、深いネットワーク再構成方法が提案されています。これは、2つのノード（AとB）のみでさえ知覚可能であり、他のすべてのネットワークノードが隠されているという条件で機能する可能性があります。ノードAで適切に設計された確率的駆動により、この方法は測定データに基づいてAからBまでの複数の相互作用パスを再構築できます。各パスの距離、有効強度、および伝送時間遅延は、正確に推測できます。

Quantitative research of interdisciplinary fields, including biological and social systems, has attracted great attention in recent years. Complex networks are popular and important tools for the investigations. Explosively increasing data are created by practical networks, from which useful information about dynamic networks can be extracted. From data to network structure, i.e., network reconstruction, is a crucial task. There are many difficulties in fulfilling network reconstruction, including data shortage (existence of hidden nodes) and time delay for signal propagation between adjacent nodes. In this paper a deep network reconstruction method is proposed, which can work in the conditions that even only two nodes (say A and B) are perceptible and all other network nodes are hidden. With a well-designed stochastic driving on node A, this method can reconstruct multiple interaction paths from A to B based on measured data. The distance, effective intensity, and transmission time delay of each path can be inferred accurately.