Forskare vid Tokyo Institute of Technology har avslöjat några nya aspekter av hur anslutningar i nätverk kan påverka deras beteende över tid. Vanligtvis, nätverkselement med många anslutningar genererar mer komplex aktivitet än andra, men denna effekt kan bli inverterad om anslutningarna är för starka. I kontrast, i fall som neuroner, som beter sig på ett till synes slumpmässigt sätt när de är ensamma, anslutning kan resultera i mer regelbundna och förutsägbara mönster.

Det är vanligt att hitta exempel på hur människor med många kontakter – sociala eller professionella – tenderar att ha en ganska turbulent och oförutsägbar vardag jämfört med de med färre relationer, som vanligtvis följer rutiner som är mer regelbundna. Denna skillnad är särskilt tydlig när specifika individer eller samhällen jämförs, som toppchefer kontra operativa, eller människor som bor i en metropol kontra människor som bor på landsbygden.

Detta kan utökas till naturliga och konstruerade nätverk av interagerande element - från neuroner till kopplade oscillatorer och trådlösa terminaler - där "noderna" (nätverkselementen där anslutningarna flätas samman) som har fler anslutningar tenderar att ha rikare dynamik (aktivitet som utvecklas över tiden) . Att förstå invecklade nätverk inom ett system kan ge oss en helhetssyn på det systemet, vilket är användbart inom både biologi och teknik.

I en studie publicerad i tidskriften IEEE Access , forskare i Japan och Italien studerade med teoretiska och experimentella metoder dynamiken i nätverk i olika naturliga och konstruerade system. Denna forskning var resultatet av ett samarbete mellan forskare från Tokyo Institute of Technology (Tokyo Tech), delvis finansierat av World Research Hub Initiative, och universiteten i Catania, Palermo, och Trento i Italien.

Forskargruppen började med att analysera rent matematiska scenarier. Först, de simulerade elementära stjärnformade nätverk, där de flesta noder (kallade "blad") har en enda anslutning till en central nod (kallad "hub"); varje nod bestod av ett så kallat Rössler-system, som är en elegant uppsättning ekvationer som kan generera ganska intrikata beteenden. Det blev uppenbart att naven i dessa nätverk nästan alltid uppvisar ett mer komplicerat beteende än löven, eftersom de påverkas av många olika noder samtidigt. Men, om kopplingarna mellan noder är för starka, deras utdata blir styvt bundna till varandra och detta förhållande går förlorat, medan om de är för svaga, effekten försvinner.

Intressant, detta fenomen sågs även i ett fysiskt nätverk av elektroniska oscillatorer kopplade till varandra med hjälp av motstånd (fig. 1). "Det var ganska överraskande att märka hur stark tendensen är för nav- och bladnoderna att bete sig annorlunda, " förklarar professor Hiroyuki Ito, medförfattare och chef för laboratoriet där dessa koncept kommer att tillämpas för att lösa avkänningsproblem inom området Internet of Things (IoT).

För att gräva djupare in i detta fenomen, forskarna genomförde ytterligare numeriska simuleringar med mer komplicerade nätverk som innehöll högre antal noder och mer intrikata anslutningsmönster. De fann att förhållandet också i allmänhet gäller sådana system om inte de individuella kopplingarna är för starka, i vilket fall trenden till och med kan vända och få noder med färre anslutningar att uppvisa mer komplex aktivitet. Orsaken till denna inversion är inte känd ännu, men det kan föreställas som att de högt sammankopplade noderna blir "förlamade" och resten "tar över" (fig. 2). "Det återstår mycket att klargöra om hur nätverkens struktur och dynamik relaterar till varandra, även i enkla fall, " säger professor Mattia Frasca, från University of Catania.

Forskarna gick sedan vidare till att undersöka en av de mest komplicerade typerna av naturliga nätverk:de gjorda av neuroner. Till skillnad från matematiska eller tekniska system, isolerade levande neuroner är ganska oförutsägbara eftersom de ofta utsätts för former av slumpmässighet eller "brus". Genom att analysera aktiviteten hos levande neuroner genom simuleringar såväl som mätningar, forskarna fann att en större anknytning kan hjälpa dem att minska detta brus och uttrycka mer strukturerade mönster, i slutändan låter dem fungera "användbart". "Tidigare studier om hjärnans funktion visar liknande samband mellan kortikala områden. Vi tror att en bättre förståelse av dessa fenomen också kan hjälpa oss att förbättra hjärn-dator-gränssnitten, " tillägger Prof. Yasuharu Koike, chef för laboratoriet fokuserade på ämnen i gränslandet mellan teknik och biologi.

Denna studie belyser hur kunskap om ett nätverkssystems krångligheter kan användas inom olika områden. Assoc. Prof. Ludovico Minati, huvudförfattare till studien, talar om konsekvenserna av studien, "Medan försiktighet och ödmjukhet måste iakttas för att inte falla i att göra alltför generalistiska uttalanden, studier som denna kan exemplifiera det potentiella inspirationsvärdet av multidisciplinär forskning, som inte bara kan påverka teknik och biologi utan även ledningskoncept."