网络数学表示法探索并理解复杂系统-从军事物流和全球金融到空中交通、社交媒体和人体生物过程的一切在每个系统里,循环式有意义的内部模式层次-例如分子和蛋白质在细胞内部交互作用,电容器和电阻器在集成电路内操作-决定这些系统函数或行为系统越大越复杂,当前网络建模技术越难发现这些模式并用组织易懂方式表示这些模式
斯坦福大学研究人员,由DARPA资助简化科学发现复杂性程序在克服这些挑战方面取得了进展 通过开发框架 识别并聚类数学家称之为Motifs:系统内基本但往往隐蔽模式论文描述团队成绩 高指令复杂网络组织科学类:http://ow.ly/oMba3021HT7.团队成功核心是创建算法,可自动探索并优先排序数据隐藏模式,这些模式对解释网络结构函数至关重要。
Reza Ghandan说道,DARPA程序管理者Riza Ghandan表示, 数学表示复杂网络效率更高,揭示网络内更深功能关系和每种模式对整体的贡献并提供了一种分析性系统化可扩展方式 生成假设并举,这令人振奋地展示一线希望,即运动集群显示帮助解析各种科学和工程系统复杂性,通过突出哪些研究渠道可能产生更好的结果加速发现。”
斯坦福团队作为其研究的一部分测试他们的运动集群框架,将其应用到数大复杂系统中,包括连接美国和加拿大50大城市的空中交通线路中。研究者先使用传统网络建模方法 分组相联城市 而不是网络结构中类似角色的城市
团队随后应用tif集群框架分析飞行数据并按优先级划分机场名次(即两个城市之间的线路总包括机场)和地理位置SIMPLEX算法自动检测8大枢纽,显示图式集群表示精确捕捉系统性质框架显示网络整体如何围绕这些模式组织并提供一个尺度说明给定模式对网络结构有多大意义,使用户能够比较模式并发现哪些模式最大意义
Stanford团队正与另一个SIMPLEX研究组协作,该研究组总部设在Baylor大学以图聚积到蛋白质网络 帮助生成假设 蛋白质如何在复杂生物系统互动如果成功,研究可加深对疾病的了解并改进药物发现和基因组映射方法等潜在益处
文件基础:航空航天+防御,电容器
