Sofistikerad nätverksanalys innebär att hitta relationer som ofta inte är lätta att se. Ett nätverk kan ha många lager - motsvarande olika typer av relationer i ett socialt nätverk, till exempel - men traditionella metoder för analys är begränsade. De tenderar att platta nätverk till enstaka lager, eller behandla lager oberoende av de andra.

En ny algoritm från ett tvärvetenskapligt team på SFI identifierar relationer inte bara inom enskilda lager, men också över flera lager. Det är en produkt av ett nyligen genomfört projekt med en antropolog, en matematiker, en fysiker, och en datavetare.

SFI Omidyar Fellow Eleanor Power, antropologen, säger att modellen är i stort sett tillämplig på en mängd olika nätverkstyper. "Det kan också förutsäga saknad information, "säger SFI postdoktor Caterina De Bacco, gruppens fysiker.

Power och De Bacco samarbetade med SFI Omidyar Fellow Daniel B. Larremore, en matematiker, och SFI -professor Cristopher Moore, datavetare och polymat. Gruppen publicerade sitt arbete den 24 april i tidningen Fysisk granskning E .

De testade modellen på två datamängder. Den första kom från Power, som tillbringade två år med att samla in data på sociala nätverk i två byar på landsbygden i Indien. I hennes arbete, lager motsvarar relationer som vänner, barnvakter, eller människor som skulle låna pengar till varandra. Modellen förutsade framgångsrikt saknade anslutningar i hennes data både inom och mellan lagren.

Forskarna analyserade sedan Larremores genetiska data om malariaparasiten, där länkarna i nätverket motsvarar delade genetiska substrat och lager representerar olika platser inom parasitgenomet. Isåfall, modellens förutsägelseförmåga försämrades med fler lager - troligtvis eftersom parasiter med mer genetisk mångfald bättre kan undvika en värds immunsystem.

De Bacco säger att medarbetarna byggde modellen för att vara i stort sett tillämplig på forskare - inom fysik och andra områden - och har släppt koden, i ett användarvänligt format, till alla som vill ha det.