| 研究課題/領域番号 |
20H04288
|
|---|
| 研究種目 |
基盤研究(B)
|
| 配分区分 | 補助金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分62020:ウェブ情報学およびサービス情報学関連
|
|---|
| 研究機関 | 神戸大学 (2021-2023)
東京工業大学 (2020) |
|---|
研究代表者 |
Barrat Alain 神戸大学, 計算社会科学研究センター, リサーチフェロー (10867287)
|
|---|
| 研究分担者 |
上東 貴志 神戸大学, 計算社会科学研究センター, 教授 (30324908)
Holme Petter 神戸大学, 計算社会科学研究センター, リサーチフェロー (50802352)
村田 剛志 東京工業大学, 情報理工学院, 教授 (90242289)
Jusup Marko 東京工業大学, 科学技術創成研究院, 特任助教 (60762713)
|
|---|
| 研究期間 (年度) |
2020-04-01 – 2024-03-31
|
| 研究課題ステータス |
完了 (2023年度)
|
| 配分額 *注記 |
17,810千円 (直接経費: 13,700千円、間接経費: 4,110千円)
2023年度: 3,640千円 (直接経費: 2,800千円、間接経費: 840千円)
2022年度: 3,770千円 (直接経費: 2,900千円、間接経費: 870千円)
2021年度: 4,680千円 (直接経費: 3,600千円、間接経費: 1,080千円)
2020年度: 5,720千円 (直接経費: 4,400千円、間接経費: 1,320千円)
|
|---|
| キーワード | spreading processes / complex networks / network science / covid-19 / theoretical epidemiology / graph data / social network data / network theory / data structures / Complex networks / temporal networks / epidemic processes / social contagion |
|---|
| 研究開始時の研究の概要 |
We aim at finding new ways to extract relevant structures from complex data, to represent these data for integration in data-driven contagion models, and to use these new tools in predictive modeling for epidemic spreading.
|
| 研究実績の概要 |
In FY 2023, we primarily investigated the relevance of network structures extracted from data in spreading dynamics. We focused on how these structures could be used to design efficient containment strategies. The project examined the role of backbones and temporal cores in spreading processes and found that acting on these structures can help contain epidemic outbreaks. Our project also explored the relative timescales of observation, network evolution, and the dynamic process under study. By identifying the optimal time window for aggregating time-varying networks, we were able to reduce redundancy and simplify the modeling of spreading processes on temporal networks by embedding techniques. We, furthermore, investigated the impact of incompleteness or noise on the outcome of data-driven models using previously developed representations and developed approaches to compensate for resulting biases.
|
| 現在までの達成度 (段落) |
令和5年度が最終年度であるため、記入しない。
|
| 今後の研究の推進方策 |
令和5年度が最終年度であるため、記入しない。
|
