Наука о сетях

Версия 12:06, 17 октября 2016

Определение

Сетевая наука - научная дисциплина, которая изучает общие черты природных или искусственных сетей, таких как информационные, биологические и социальные сети. Предметом исследования сетевой науки является сетевое представление физических, биологических и социальных явлений, ведущее к построению моделей позволяющих прогнозировать эти явления.

• A working definition of network science is the study of network representations of physical, biological, and social phenomena leading to predictive models of these phenomena. Initiation of a field of network science would be appropriate to provide a body of rigorous results that would improve the predictability of the engineering design of complex networks and also speed up basic research in a variety of applications areas.
  • National Research Council Network Science / National Research Council, 2005. 124 c.

Сетевая наука Network science - https://en.wikipedia.org/wiki/Network_science - как отдельное направление сформировалось в 21 веке, несмотря на то, что исследование различных сетей в науке, технологии и обществе имеет длительную историю. Взрыв интереса к сетой науки в первого десятилетия 21-го века коренится в открытии общих закономерностей и принципов, которые лежат в основании структуры и эволюции сложных систем (Сложная система) вне зависимости от их происхождения.

Нетрудно перечислить различия между различными сетями с которыми мы сталкиваемся в природе или обществе:

• узлами метаболической сети являются крошечные молекулы, а ребрами служат цепи химических реакций, подчиняющиеся законам химии и квантовой механики;
• узлами WWW являются веб-документы, а ребрами служат URL ссылки, основанные на компьютерных алгоритмах;
• узлами социальной сети являются люди, а ребрами служат семейные, профессиональные и дружеские и связи.

Существенно отличаются и процессы, которые порождают формирование различных сетей: сети метаболизма сформировались в результате эволюции, продолжавшейся миллиарды лет; Всемирная Паутина строится благодаря коллективным действий миллионов людей и их организаций; социальные сети формируются под воздействием социальных норм, чьи корни уходят в глубь тысячелетий. И не смотря на такое различие в размерах, масштабах, истории и эволюции, сети, лежащие в основании этих сложных систем очень похожи. Архитектура природных, научных и технологических сетей подчиняется общим организационным принципам и для изучения этих систем можно использовать общий набор математических инструментов

Чтобы описать детальное поведение системы, состоящей из нескольких сотен до нескольких миллиардов взаимодействующих компонентов, необходима карта схема соединений системы. В системе социальной сети карта представляет точный список ваших друзей, затем друзей этих друзей, и так далее. В WWW эта карта представляет перечень веб-страниц, которые ссылаются друг на друга. В живой клетке карта представляет подробный перечень всех взаимодействий и химических реакций с участием генов, белков и метаболитов.

В прошлом веке у нас не существовало инструментов для сопоставления этих сетей. Столь же трудно было следить за огромным количеством данных, стоящих за этими сетями. Интернет-революция, предложившая эффективные и быстрые методы для цифрового хранения и совместного использования данных, коренным образом изменила нашу способность собирать, объединять и анализировать данные, относящиеся к реальным сетям.

И когда мы получили возможность видеть и сравнивать все эти различные сети, то оказалось, что за феноменом сложности (complexity) скрывается сетевая структура

Что такое сетевая наука?

Brandes U. [и др.]. What is network science? // Network Science. 2013. № 1 (1). C. 1–15.

В 2013 году начал выходить журнал Network Science и в первом номере авторы озаботились доказательством того, что такая сетевая наука на самом деле есть и у нее свой объект и свои методы исследования. http://www.journals.cambridge.org/abstract_S2050124213000027 Интересно, что в этой же статье они явно увязали сетевую науку и образование. Рассуждают они о разном, а в качестве прикладного примера приводят учебный класс - думать про класс как про сеть, означает думать совершенно определенным образом, это не про 25 отдельных учеников и даже не 300 возможных диад.

By postulating a friendship network in (say) a school classroom of 25 students, we have taken a theoretical step that is non-trivial. We have supposed that separate individuals are not an adequate representation, moreover that even separate dyads are insufficient; rather, that there is a unity within the classroom that makes it proper to talk of “a” network, not 25 children or 300 dyads. To conceptualize the classroom in network terms is an implicit (and strong) claim that connectedness across individual elements is fundamentally important so that the classroom can be thought of as one “system.” If we accept that ontology, scientific inference is available at multiple levels: the students, the dyads, and indeed the network as a whole. Moreover, the inferences at one level cannot be simply combined (e.g., averaged) to derive inferences at other levels; the networked system is more than a simple aggregation of its constituent elements — it is patterned, not summed.

Начиная рассматривать школьный класс из 25 учеников как сеть друзей мы делаем нетривиальный теоретический шаг. Такое рассмотрение означает признание, что рассмотрение класса как множества отдельных индивидов не позволяют адекватно представить и рассмотреть существующую ситуацию. Даже использование отдельных диад для этого недостаточно, поскольку существует некая общность, объединение в классе, о котором нужно говорить именно как о сети, а не как об отдельных 25 детях или о 300 диадах. Осмысление класса в сетевых терминах предполагает неявное (и сильное) утверждение принципиальной важности связей между элементами, которые позволяют рассматривать класс как систему. За принятием сетевой онтологии последуют изменения на всех уровнях научного рассмотрения - и отдельных учеников, и диад и всей сети. Кроме того, выводы на одном уровне не могут быть просто объединены (например, усреднены) для получения выводов на других уровнях; сетевая система больше, чем просто агрегация составляющих его элементов.

Сетевая грамотность

Network literacy - сетевая грамотность

As our world becomes increasingly connected through the use of networks that allow instantaneous communication and the spread of information, the degree of people’s understanding of how these networks work will play a major role in determining how much society will benefit from this heightened connectivity. In short, a networked society requires network literacy: basic knowledge about how networks can be used as a tool for discovery and decision-making, and about both their potential benefits and pitfalls, made accessible for all people living in today’s networked world. Moreover, because even young children interact with networks all day, every day, it is important that network literacy begins at a young age, and because networks are present in all aspects of contemporary life, the consideration of networks should be reflected throughout teaching practice in a cross-disciplinary manner. Yet despite the importance and ubiquity of networks, the study of networks is absent from current educational systems.

Сравнение сетей различного типа

• N - число узлов
• L - число связей
• К - average degree - среднее число связей у узла

см. http://barabasi.com/networksciencebook/chapter/1

Ссылки

1. Scholtes I. Understanding complex systems: When Big Data meets network science // it - Information Technology. 2015. № 4 (57). C. 252–256.
   • http://www.ingoscholtes.net/research/publications
2. http://networkscience.igert.ucsb.edu/
3. Krieger D.J., Belliger A. Interpreting Networks: Hermeneutics, Actor-Network Theory & New Media / D.J. Krieger, A. Belliger, transcript Verlag, 2014. 205 c.
4. http://www.network-science.org/
   • http://www.books.network-science.org/ книги по сетевой науке

Нейробиология - Мозг как сеть

• Rubinov M., Sporns O. Complex network measures of brain connectivity: Uses and interpretations // NeuroImage. 2010. № 3 (52). C. 1059–1069.
  • https://sites.google.com/site/bctnet/
• The Brain as a Complex System: Using Network Science as a Tool for Understanding the Brain https://www.ncbi.nlm.nih.gov/pmc/articles/PMC3621511/ - как одно из направлений нейробиологии
  • This model is appealing to the study of brain connectivity, as the brain can be viewed as a system with various interacting regions that produce complex behaviors. In practice, graph metrics such as clustering coefficient, path length, and efficiency measures are often used to characterize system properties. Centrality metrics such as degree, betweenness, closeness, and eigenvector centrality determine critical areas within the network. Community structure is also essential for understanding network organization and topology.