2020 Fiscal Year Annual Research Report
Evaluating and enhancing the robustness of artificial systems based on complex network theory
| Project/Area Number |
18KT0059
|
|---|
| Research Institution | Ibaraki University |
|---|
Principal Investigator |
長谷川 雄央 茨城大学, 理工学研究科(理学野), 准教授 (10528425)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
谷澤 俊弘 高知工業高等専門学校, ソーシャルデザイン工学科, 教授 (60311106)
水高 将吾 北陸先端科学技術大学院大学, 先端科学技術研究科, 助教 (70771062)
|
|---|
| Project Period (FY) |
2018-07-18 – 2021-03-31
|
| Keywords | 複雑ネットワーク / ネットワーク科学 / パーコレーション / モンテカルロシミュレーション |
|---|
| Outline of Annual Research Achievements |
(1) ネットワークを構成する頂点が一定の割合だけ故障するような故障のモデル（サイト・パーコレーション）を考える。先行研究では、ネットワークが強い正の次数相関構造を持つとき、新奇の相転移が現れると報告されていた。今回、強い正の次数相関構造を持つネットワークを生成し、故障モデルの大規模シミュレーションを行なった。有限サイズ効果を注意深く扱った結果、ネットワークのサイズが十分に大きければ、平均場クラスの二次転移が起こっていることを明らかにした。
(2) 2019年度から引き続きネットワークの巨大連結成分が持つ性質を探求する研究を行なった。Erdos-Renyiランダムグラフの巨大連結成分の次数相関関数を任意の長さだけ離れた二つの頂点の次数の同時確率として一般的に導出した。得られた式から、臨界点近傍の巨大連結成分に見られた負の次数相関構造は長距離に及び、その相関が続く長さは臨界点に至って発散することを明らかにした。
(3) 電力網における観測ユニットの観測可能性にネットワークのクラスター性が及ぼす影響について解析的に調べた。平均次数が小さい場合にクラスター性は観測可能性に影響を与えるが、その影響は小さいものであることを理論計算と数値実験の双方から示した。
(4) 複雑ネットワーク上に拡がる情報・イノベーションの拡散（情報カスケード）のメカニズムについて調べた。情報カスケードモデルにおいて、閾値を固定して情報発信源（seed）の数を増やしていくと、あるseed割合でカスケードが発生する。拡張型情報カスケードモデルを用い、seedの割合を変化させたときのカスケードダイナミクスを調査した。
|
