Наука о сетях

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

Сравнение сетей различного типа

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

Network	Nodes	Links	Directed / Undirected	N	L	‹K›
Internet	Routers	Internet connections	Undirected	192,244	609,066	6.34
WWW	Webpages	Links	Directed	325,729	1,497,134	4.60
Power Grid	Power plants, transformers	Cables	Undirected	4,941	6,594	2.67
Mobile-Phone Calls	Subscribers	Calls	Directed	36,595	91,826	2.51
Email	Email addresses	Emails	Directed	57,194	103,731	1.81
Science Collaboration	Scientists	Co-authorships	Undirected	23,133	93,437	8.08
Actor Network	Actors	Co-acting	Undirected	702,388	29,397,908	83.71
Citation Network	Papers	Citations	Directed	449,673	4,689,479	10.43
E. Coli Metabolism	Metabolites	Chemical reactions	Directed	1,039	5,802	5.58
Protein Interactions	Proteins	Binding interactions	Undirected	2,018	2,930	2.90

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.

---