生物医学网络科学Biomedical Network Science
网络鲁棒性、渗流与级联失效08 / 17

相互依存网络与多层网络的渗流

阅读
约 2 分钟

现代系统往往由多个相互依赖的网络组成:电站依赖通信网络控制,通信节点依赖电站供电。Buldyrev、Parshani、Paul、Stanley 与 Havlin(2010,Nature)提出了相互依存网络模型(论文精读)。

相互依存网络与相互连通巨分支:网络 A、B 各有 NN 个节点,内部各自随机连接;A 的节点 ii 与 B 的节点 ii 通过依赖边一一对应,任一方失效,另一方随之失效。一个节点“存活”要求它在本网络中属于巨分支,且它的依赖伙伴也存活。迭代执行“A 中只保留巨分支 → 删除 B 中失去依赖的节点 → B 中只保留巨分支 → 删除 A 中失去依赖的节点……”直至稳定,剩下的就是相互连通巨分支(mutually connected giant component)。

设初始随机保留比例 pp 的 A 节点,gA(⋅)g_A(\cdot)、gB(⋅)g_B(\cdot) 为单网络中“随机保留某比例时巨分支占保留节点的比例”。级联稳态满足 x=pgA(y)x=p\,g_A(y),y=pgB(x)y=p\,g_B(x)。对两个平均度均为 ⟨k⟩\langle k\rangle 的 ER 网络,相互连通巨分支比例 μ\mu 满足

μ=p(1−e−⟨k⟩μ)2.\mu=p\,\big(1-e^{-\langle k\rangle\mu}\big)^2 .

令 z=⟨k⟩μz=\langle k\rangle\mu,则 ⟨k⟩p=z/(1−e−z)2\langle k\rangle p=z/(1-e^{-z})^2;非零解存在的最小 pp 由右边的极小值给出:pc=2.4554/⟨k⟩p_c=2.4554/\langle k\rangle,此时 μ\mu 不是从零连续增长,而是从 1.2564/⟨k⟩1.2564/\langle k\rangle 直接跳到零。

由此得到三条与单一网络相反的结论:

  1. 一级(不连续)相变:崩溃是突发的,接近阈值时几乎没有“渐进损伤”的预警;
  2. 阈值大幅提高:⟨k⟩=4\langle k\rangle=4 时单个 ER 网络的 pc=0.25p_c=0.25,相互依存后变为约 0.61;
  3. 宽度分布反而更脆弱:平均度相同时,度分布越宽,相互依存系统越容易崩溃——单一网络中耐随机失效的无标度结构,在相互依存时不再有优势。

后续工作给出了更一般的图景:Parshani、Buldyrev 与 Havlin(2010,PRL)表明只有一部分节点相互依赖时,降低耦合强度可使相变从一级变为二级;Gao 等(2012,Nature Physics)把理论推广到“网络的网络”;Bashan 等(2013,Nature Physics)发现空间嵌入的相互依存网络极端脆弱,任意小比例的依赖都可能导致突变式崩溃。多路网络(同一组节点上多种关系)的渗流还区分“任一层连通”与“各层同时连通”两种定义,结论差别很大(多层网络的一般框架见 Kivelä 等 2014,以及动态功能连接与多层脑网络)。

生物系统中的“依赖”比基础设施更难界定。细胞内信号网络、转录调控网络和代谢网络相互耦合(酶的表达依赖转录因子,转录因子的活性又依赖代谢物),脑的结构连接与神经血管耦合、胶质–神经元网络也相互依存。把这些系统建模为相互依存网络时,必须说明依赖边的生物学含义(“A 失效必然导致 B 失效”的证据是什么),否则一级相变等结论只是模型的产物。