Wetenschappers van het Tokyo Institute of Technology hebben een aantal nieuwe aspecten ontdekt van hoe verbindingen in netwerken hun gedrag in de loop van de tijd kunnen beïnvloeden. Gebruikelijk, netwerkelementen met veel verbindingen genereren meer complexe activiteit dan andere, maar dit effect kan omgekeerd worden als de verbindingen te sterk zijn. In tegenstelling tot, in gevallen zoals neuronen, die zich schijnbaar willekeurig gedragen wanneer ze alleen zijn, connectiviteit kan resulteren in meer regelmatige en voorspelbare patronen.

Het is gebruikelijk om voorbeelden te vinden van hoe mensen met veel connecties - sociaal of professioneel - een nogal turbulent en onvoorspelbaar dagelijks leven hebben in vergelijking met mensen met minder relaties, die gewoonlijk routines volgen die regelmatiger zijn. Dit verschil is vooral duidelijk wanneer specifieke individuen of gemeenschappen worden vergeleken, zoals topmanagers versus agenten, of mensen die in een metropool wonen versus mensen die op het platteland wonen.

Dit kan worden uitgebreid tot natuurlijke en geconstrueerde netwerken van op elkaar inwerkende elementen - van neuronen tot gekoppelde oscillatoren en draadloze terminals - waar de "knooppunten" (de netwerkelementen waar de verbindingen met elkaar verweven zijn) met meer verbindingen een rijkere dynamiek hebben (activiteit die zich in de tijd ontvouwt) . Als we de fijne kneepjes van netwerken binnen een systeem begrijpen, kunnen we een holistisch beeld van dat systeem krijgen. wat nuttig is in zowel biologie als techniek.

In een studie gepubliceerd in het tijdschrift IEEE-toegang , onderzoekers in Japan en Italië bestudeerden met behulp van theoretische en experimentele methoden de dynamiek van netwerken in verschillende natuurlijke en geconstrueerde systemen. Dit onderzoek was het resultaat van een samenwerking tussen wetenschappers van het Tokyo Institute of Technology (Tokyo Tech), gedeeltelijk gefinancierd door het World Research Hub Initiative, en de universiteiten van Catania, Palermo, en Trente in Italië.

Het onderzoeksteam begon met het analyseren van puur wiskundige scenario's. Eerst, ze simuleerden elementaire stervormige netwerken, waar de meeste knooppunten ("bladeren" genoemd) een enkele verbinding hebben met een centraal knooppunt ("hub" genoemd); elk knooppunt bestond uit een zogenaamd Rössler-systeem, dat is een elegante reeks vergelijkingen die behoorlijk ingewikkeld gedrag kunnen genereren. Het werd duidelijk dat de hubs in deze netwerken bijna altijd een ingewikkelder gedrag vertonen dan de bladeren, omdat ze tegelijkertijd door veel verschillende knooppunten worden beïnvloed. Maar, als de verbindingen tussen knooppunten te sterk zijn, hun outputs worden star aan elkaar gebonden en deze relatie gaat verloren, overwegende dat als ze te zwak zijn, het effect verdwijnt.

interessant, dit fenomeen werd ook gezien in een fysiek netwerk gemaakt van elektronische oscillatoren die met weerstanden met elkaar verbonden waren (Fig. 1). "Het was nogal verrassend om te zien hoe sterk de neiging van de naaf- en bladknopen om zich anders te gedragen is, " legt Assoc. Prof. Hiroyuki Ito uit, co-auteur en hoofd van het laboratorium waar deze concepten zullen worden toegepast om sensingproblemen op het gebied van Internet of Things (IoT) op te lossen.

Om dieper op dit fenomeen in te gaan, de onderzoekers voerden verdere numerieke simulaties uit met meer gecompliceerde netwerken met een hoger aantal knooppunten en meer ingewikkelde verbindingspatronen. Ze ontdekten dat de relatie ook in het algemeen van toepassing is op dergelijke systemen, tenzij de individuele verbindingen te sterk zijn, in dat geval kan de trend zelfs omslaan en ervoor zorgen dat knooppunten met minder verbindingen complexere activiteit vertonen. De reden voor deze inversie is nog niet bekend, maar het kan worden voorgesteld als de sterk verbonden knooppunten die "verlamd" raken en de rest "overnemen" (Fig. 2). "Er moet nog veel worden opgehelderd over hoe de structuur en dynamiek van netwerken zich tot elkaar verhouden, zelfs in eenvoudige gevallen, " zegt Assoc. Prof. Mattia Frasca, van de Universiteit van Catania.

De wetenschappers gingen vervolgens verder met het onderzoeken van een van de meest gecompliceerde soorten natuurlijke netwerken:die van neuronen. In tegenstelling tot wiskundige of technische systemen, geïsoleerde levende neuronen zijn nogal onvoorspelbaar omdat ze vaak onderhevig zijn aan vormen van willekeur of 'ruis'. Door de activiteit van levende neuronen te analyseren door middel van simulaties en metingen, de onderzoekers ontdekten dat een grotere verbondenheid hen kan helpen deze ruis te verminderen en meer gestructureerde patronen uit te drukken, waardoor ze uiteindelijk 'nuttig' kunnen functioneren. "Eerdere studies over de hersenfunctie laten vergelijkbare relaties zien tussen corticale gebieden. We denken dat een beter begrip van deze verschijnselen ons ook zou kunnen helpen de hersen-computerinterfaces te verbeteren, " voegt prof. Yasuharu Koike toe, hoofd van het laboratorium gericht op onderwerpen op het snijvlak van techniek en biologie.

Deze studie werpt licht op hoe kennis van de fijne kneepjes van een netwerksysteem op verschillende gebieden kan worden gebruikt. Assoc. Prof. Ludovico Minati, hoofdauteur van de studie, vertelt over de implicaties van het onderzoek, "Hoewel voorzichtigheid en nederigheid moeten worden betracht om niet te vervallen in het maken van overdreven generalistische uitspraken, studies zoals deze kunnen een voorbeeld zijn van de potentiële inspirerende waarde van multidisciplinair onderzoek, die niet alleen van invloed kunnen zijn op engineering en biologie, maar zelfs op managementconcepten."