返回
Indirect influence on network diffusion
DOI:10.1038/s42005-025-02403-8.png)
摘要
En 中文
网络扩散模型通常依赖于拉普拉斯矩阵,通过直接连接捕捉相互作用。除了直接相互作用外,许多系统中的信息还可以通过间接路径传播,其中影响通常会随着距离的增加而减弱。在本研究中,我们使用d-路径拉普拉斯框架分析了包含此类间接连接的扩散动力学。我们引入一个参数——间接影响,基于广义路径拉普拉斯矩阵的第二小特征值的变化,以量化这些路径相对于仅直接连接模型对扩散时间尺度的影响。通过扰动理论和平均场近似,我们推导出间接影响关于随机网络结构特性的解析表达式。理论预测与数值模拟结果吻合良好,提供了一个间接影响变得显著的相图。我们还识别出一个由d-路径的出现所主导的结构相变,并推导出临界连接概率,超过该概率后d-路径会显著改变扩散过程。这项研究提供了对间接路径如何塑造网络动力学的定量理解,并揭示了其集体结构起始点。传统的网络扩散模型主要关注直接连接,常常忽视间接路径的作用。通过使用d-路径拉普拉斯框架,本研究量化了间接影响,并揭示了一个与改变扩散动力学相关的结构相变,为网络行为以及信息传播、疾病传播或物理和生物系统中的传输动力学等应用提供了新的见解。
AI总结
对已上传原文的论文进行重点信息的提取,主要内容包括:简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
5.8
论文数:
2.9K
被引数:
1.1W
机构
暂无机构信息
引用论文
Path Laplacians versus fractional Laplacians as nonlocal operators on networks路径拉普拉斯算子与分数阶拉普拉斯算子作为网络上的非局部算子

