リケラボ論文検索は、全国の大学リポジトリにある学位論文・教授論文を一括検索できる論文検索サービスです。

リケラボ 全国の大学リポジトリにある学位論文・教授論文を一括検索するならリケラボ論文検索大学・研究所にある論文を検索できる

リケラボ 全国の大学リポジトリにある学位論文・教授論文を一括検索するならリケラボ論文検索大学・研究所にある論文を検索できる

大学・研究所にある論文を検索できる 「<講義ノート>動的に変化するネットワークと結合力学系 --数理モデル構築からデータ解析まで--」の論文概要。リケラボ論文検索は、全国の大学リポジトリにある学位論文・教授論文を一括検索できる論文検索サービスです。

コピーが完了しました

URLをコピーしました

論文の公開元へ論文の公開元へ
書き出し

<講義ノート>動的に変化するネットワークと結合力学系 --数理モデル構築からデータ解析まで--

青柳, 富誌生 京都大学

2022.03

概要

多数の要素が相互作用することで生じる非自明な現象に関して、従来の規則的な空間上の系に止まらず、最近では複雑なネットワーク上の相互作用を仮定した解析も行われています。そこで重要なことは、単に静的なネットワーク上の相互作用を考えるだけでは不十分であり、個々の要素の状態に応じてダイナミックにネットワーク構造が変化することを考慮すべき状況にしばしば直面することです(例えば、神経や感染症のネットワーク)。このような系を解析する場合、感染症など個々の現象の特性に特化した数理モデルを用いるのが王道でしょう。一方、幅広い現象に対して限定的でも適用可能な汎用性の高い数理モデルを構築して解析する方法もあります。実際、イジングスピン系などは磁性体に限らない脳や社会現象のモデルなど幅広い現象に拡張して応用されています。このアプローチでは、できるだけ普遍(あるいは不変)的な本質を捉えるため、理論的汎用性からリミットサイクル振動子や散逸と拡散が最初に考えるべきダイナミクスの候補となります。たとえ素子がシンプルなダイナミクスであっても、相互作用のネットワークが動的に変化する場合は、非自明な興味深い現象がしばしば見られます。この集中ゼミでは、動的ネットワーク上の力学系を解明するための第一歩として、以上の2 つの解析例を紹介します。最後に、現実のデータから相互作用ネットワークを同定することも今後の重要な課題です。現代的なベイズ統計と力学系の理論を組み合わせれば、そのようなことも可能になりつつあり、特にリズム間の相互作用を推定するいくつかの事例を概説します。

この論文で使われている画像

参考文献

[1] R. Pastor-Satorras, C. Castellano, P. Van Mieghem, and A. Vespignani, “Epidemic

processes in complex networks,” Reviews of modern physics, vol. 87, no. 3, pp. 925–

979, 2015.

[2] R. Pastor-Satorras and A. Vespignani, “Epidemic Spreading in Scale-Free Networks,” Physical Review Letters, vol. 86, no. 14, pp. 3200–3203, 2001.

[3] A. Barrat, Dynamical Processes on Complex Networks. Cambridge: Cambridge

University Press, 2012.

[4] J. Guckenheimer and P. J. Holmes, Nonlinear Oscillations, Dynamical Systems, and

Bifurcations of Vector Fields. Applied Mathematical Sciences, New York: SpringerVerlag, 1983.

[5] Y. Kuramoto, Chemical Oscillations, Waves, and Turbulence. Springer Series in

Synergetics, Berlin Heidelberg: Springer-Verlag, 1984.

[6] A. L. Hodgkin and A. F. Huxley, “A quantitative description of membrane current and its application to conduction and excitation in nerve,” The Journal of

Physiology, vol. 117, pp. 500–544, 1952.

[7] T. Aoki and T. Aoyagi, “Scale-Free Structures Emerging from Co-evolution of a

Network and the Distribution of a Diffusive Resource on it,” Physical Review Letters, vol. 109, no. 20, p. 208702, 2012.

[8] T. Aoki and T. Aoyagi, “Co-evolution of phases and connection strengths in a

network of phase oscillators,” Physical Review Letters, vol. 102, no. 3, p. 034101,

2009.

[9] T. Aoki and T. Aoyagi, “Self-organized network of phase oscillators coupled by

activity-dependent interactions,” Physical Review E, vol. 84, no. 6, p. 10464, 2011.

[10] K. Ota and T. Aoyagi, “Direct extraction of phase dynamics from fluctuating rhythmic data based on a Bayesian approach,” arXiv:1405.4126 [nlin, q-bio], 2014.

《講義ノート》

物性研究・電子版 Vol. 10, No. 1, 101213(2022年3月号)

[11] K. Ota, I. Aihara, and T. Aoyagi, “Interaction mechanisms quantified from dynamical features of frog choruses,” Royal Society Open Science, vol. 7, p. 191693,

2020.

[12] T. Onojima, T. Goto, H. Mizuhara, and T. Aoyagi, “A dynamical systems approach

for estimating phase interactions between rhythms of different frequencies from

experimental data,” PLoS Computational Biology, vol. 14, no. 1, p. e1005928, 2018.

[13] C. M. Bishop, Pattern Recognition and Machine Learning. New York: Springer, 1st

ed. 2006. corr. 2nd printing 2011 版 ed., 2006.

...

参考文献をもっと見る