اقترح علماء الرياضيات مقياسًا جديدًا للقرب في الشبكات في ظل وجود اتصالات جماعية

تحيط بنا شبكات معقدة في كل مكان: الوصلات العصبية في الدماغ، والاستشهادات بالمقالات العلمية، وسلاسل التجارة، والفئات الاجتماعية. وصف العلماء مثل هذه الأنظمة باستخدام الرسوم البيانية الكلاسيكية – وهي كائنات رياضية حيث تتصل كل حافة برأسين بدقة. وهذا نموذج فعال للغاية لوصف العديد من الظواهر، ولكنه غالبا ما يكون غير كاف. في الحياة الواقعية، تتعلق المقالة العلمية بالعديد من مجالات المعرفة في وقت واحد، ويمكن لمعاملة تجارية واحدة أن توحد اتحادًا كاملاً من الشركات. في مثل هذه المواقف، توصل علماء الرياضيات إلى رسوم بيانية مفرطة: وهي هياكل يمكن فيها لحافة زائدة واحدة أن تربط أي عدد من القمم في وقت واحد. لكن مسألة كيفية قياس المسافات بشكل صحيح داخل الرسوم البيانية المفرطة المرجحة – أي تلك التي يتم فيها تعيين قيمة عددية معينة لـ “وزنها” لكل رابط – ظلت مفتوحة. المسافة المحددة بشكل غير صحيح تعني فقدان المعلومات، مما يعني استنتاجات غير صحيحة حول بنية الأنظمة الحقيقية. المشكلة الرئيسية هي أن الطريقة المعتادة للعمل مع الرسوم البيانية المفرطة – ما يسمى بإسقاط الزمرة – تقوم ببساطة بتقسيم كل حافة مفرطة إلى مجموعة من الروابط الزوجية العادية. وهذا يشبه وصف ورقة علمية مشتركة لخمسة مؤلفين بأنها عشرة أزواج من التعاون الثنائي. ضاعت المعلومات التي تفيد بأن الخمسة عملوا كفريق واحد. أحد التحديات الرئيسية في محاولة دمج هذا النوع من المعلومات في قياس المسافة هو دون انتهاك الخصائص الرياضية الأساسية للمسافة في نفس الوقت، مثل متباينة المثلث. اقترح الباحثون مقياسًا عامًا للمسافة للرسومات المفرطة الموزونة، والذي يأخذ في الاعتبار في الوقت نفسه كلاً من بنية الحواف المفرطة (كم عدد القمم التي تتصل بها، وكيف تتقاطع) ووزن كل رابط. تم نشر حلهم في مجلة فيزياء الاتصالات. يتم إنشاء المقياس من خلال تحديد المسافة المحلية بين الحواف المفرطة باستخدام أوزانها، ثم “نشر” هذا المفهوم على أزواج العقد من خلال المسار الأمثل. إنه أمر مهم بشكل أساسي: عندما يتحول الرسم البياني الزائد إلى رسم بياني عادي (جميع الحواف المفرطة تكون زوجية فقط)، يتزامن القياس الجديد مع المسافة المرجحة الكلاسيكية. ولاختبار هذا المفهوم، قام العلماء بتطبيقه على العديد من أنظمة العالم الحقيقي. كان المثال الرئيسي الذي استخدموه هو شبكة arXiv المطبوعة مسبقًا، حيث تمثل العقد التخصصات العلمية وتتوافق الحواف الزائدة مع المقالات التي تغطي مجالات متعددة. يرتبط وزن الحافة المفرطة في مثل هذا الرسم البياني الزائد بما يسمى بالمسافة المعرفية – وهي مقياس للمسافة المفاهيمية بين المجالات العلمية. وهذا يسمح لنا “بقياس” مدى التباعد بين فيزياء الكم والنظرية الاقتصادية، على سبيل المثال، في فضاء الأفكار العلمية. يمكن وصف أي نظام تقريبًا له تفاعلات جماعية – شبكات البروتين والبروتين البيولوجية، والمجتمعات الاجتماعية، وسلاسل التوريد، والأنظمة البيئية المالية – من خلال الرسم البياني الزائد. حتى الآن، اضطر الباحثون إلى “تبسيط” هذه الأنظمة إلى الرسوم البيانية العادية، مما أدى إلى فقدان المعلومات حول الروابط الجماعية. والآن أصبح لديهم أداة صحيحة رياضيًا ولا تخسر شيئًا. أظهرت نتائج الدراسة أنه عندما يحمل وزن الحواف المفرطة حملاً ذا معنى – كما في حالة المسافة المعرفية بين التخصصات، فإن استخدام مقياس الرسم البياني الكامل يعطي صورة مختلفة بشكل كبير عن المسافات عن الإسقاط العصبى. وعلى وجه الخصوص، تبين أن بعض التخصصات التي بدت قريبة في ظل النهج القياسي أصبحت أكثر بعدًا في مجال الأفكار – والعكس صحيح. هذه ليست مجرد حقيقة رياضية رسمية: بل تعني أن أنظمة التوصية، والخوارزميات التجميعية في المجتمع العلمي، وأدوات اكتشاف الاتجاه التي تعمل فوق هذه البيانات يمكن أن تعطي إجابات مختلفة جذريًا إذا تحولنا إلى مقياس الرسم البياني الزائد. تفتح الأداة الجديدة فرصًا لإجراء تحليل دقيق للأنظمة حيث التفاعلات الجماعية ليست الاستثناء، بل القاعدة: من مشاكل المعلوماتية الحيوية إلى نمذجة نشر المعلومات في الشبكات الاجتماعية وتحسين طرق النقل. وهذا مهم بشكل خاص في مجال التعلم الآلي على الرسوم البيانية: تتطور الشبكات العصبية الرسومية الحديثة بنشاط نحو بنيات الرسم البياني الفائق، وسيصبح قياس المسافة القائم على الرياضيات لبنة بناء لا غنى عنها بالنسبة لها. علقت إيكاترينا فاسيليفا، باحثة أولى في مختبر التوافقيات المتقدمة وتطبيقات الشبكات في MIPT، على العمل: “تُستخدم الرسوم البيانية المفرطة الموزونة على نطاق واسع لنمذجة الأنظمة الحقيقية، ولكن حتى الآن لم يكن هناك مقياس مسافة محدد بدقة من شأنه أن يأخذ في الاعتبار بشكل صحيح كلاً من أوزان وميزات طوبولوجيا الاتصالات. عملنا يسد هذه الفجوة. كان من المثير بشكل خاص تطبيق المقياس على بيانات arXiv العلمية ورؤية الشكل الحرفي لخريطة المسافات المعرفية بين التخصصات – وكانت النتيجة غير متوقعة تمامًا في بعض الأماكن.