ملخص تقني: ترشيحات الدورات عديمة الأوتار للكشف عن الأبعاد في الشبكات المعقدة عبر تحليل البيانات الطوبولوجية

1. بيان المشكلة

غالبًا ما تُظهر الشبكات المعقدة عبر مجالات متنوعة (بيولوجية، اجتماعية، تكنولوجية) أنماطًا هيكلية تتوافق مع هندسة زائفة كامنة (latent hyperbolic geometry). ويعد تحديد البعد الفعال ($D$) لهذا الفضاء الكامن أمرًا بالغ الأهمية لفهم التعقيد الهيكلي، والتنظيم المجتمعي، والملاحة في الشبكة، وديناميكيات النظام. وبينما توجد تعريفات مختلفة لأبعاد الشبكة (مثل الأبعاد الكسرية، أو الطيفية، أو المترية)، فإن النهج القائم على النماذج (مثل نموذج $S^D/H^{D+1}$) قد نجح في تقدير الأبعاد من خلال إسقاط ترددات الدورات على فضاءات التكوين، إلا أن هذه الطرق غالبًا ما تتطلب توليد مجموعات ضخمة من الشبكات البديلة الاصطناعية لكل شبكة مستهدفة جديدة. وتعتה هذه العملية كثيفة حوسبيًا وتفتقر إلى إطار عمل موحد يعتمد على البيانات يدمج تحليل البيانات الطوبولوجية (TDA) مع تعلم الآلة لتجاوز عملية توليد البدائل.

علاوة على ذلك، كانت تطبيقات TDA القياسية في علم الشبكات محدودة؛ إذ إن الاستمرار المتكرر العادي (ordinary persistent homology) غير ملائم للرسوم البيانية لأن الدورات (الميزات أحادية البعد) تمتلك استمرارية لانهائية في غياب مكررات (simplices) ذات أبعاد أعلى لملئها. بالإضافة إلى ذلك، فإن مخططات الترشيح الحالية (مثل تلك القائمة على درجة العقدة أو انحناء ريتشي) قد لا تلتقط البصمات الهندسية المحددة المطلوبة لتقدير الأبعاد.

2. المنهجية

يقترح المؤلفون نهجًا ذا شقين يجمع بين الطوبولوجيا الجبرية وتعلم الآلة لتقدير أبعاد الشبكة.

أ. ترشيحات الدورات عديمة الأوتار والاستمرار الممتد

الابتكار الطوبولوجي الجوهري هو نظام وزن يعتمد على الدورات عديمة الأوتار (الدورات التي لا تحتوي على أوتار داخلية).

1. الوزن: لكل شبكة معينة، يتم إنشاء ثلاثة رسوم بيانية موزونة الحواف. يُعرَّف وزن الحافة من خلال الكثافة المحلية للدورات عديمة الأوتار لأطوال محددة: المثلثات ($C_t$)، والمربعات ($C_s$)، والخماسيات ($C_p$).
2. الاستمرار الممتد (Extended Persistence): نظرًا لأن الدورات في الرسوم البيانية لا تموت في الترشيحات العادية، يستخدم المؤلفون الاستمرار الممتد. يتضمن هذا تقنية لتحويل الرسم البياني الموزون بالحواف إلى رسم بيوي موزون بالعقد عبر "تقسيم فرعي لتجزئة الدرجة" (degree-splitting subdivision). يسمح هذا استخدام برمجيات TDA القياسية (مثل Gudhi) لحساب الاستمرار الممتد للدورات، والذي يُعرَّف بالفرق بين قيمة الولادة في الترشيح السفلي (sublevel filtration) وقيمة الولادة في الترشيح العلوي (superlevel filtration).
3. الموصِّفات (Descriptors): يتم حساب إجمالي الاستمرار الممتد (مجموع قيم الاستمرار لجميع الدورات المستقلة) لكل ترشيح من الثلاثة، مما ينتج متجهًا ميزاتيًا $(TP_t, TP_s, TP_p)$.

ب. نهج تقدير الأبعاد

قدمت الورقة طريقتين لتقدير $D$:

1. الخوارزمية القائمة على أقرب جار (kNN) للشبكات البديلة:

   • للشبكة المستهدفة، يتم توليد مجموعة من البدائل الاصطناعية باستخدام إجراء التوزيع الهندسي العشوائي (D-GR). تقوم هذه الطريقة بإعادة ربط الشبكة لتعظيم احتمالية نموذج $S^D/H^{D+1}$ مع الحفاظ على تسلسل الدرجات الدقيق للشبكة المستهدفة.
   • يتم رسم الشبكة المستهدفة وبدائلها في فضاء تكوين محدد بواسطة $(TP_t, TP_s, TP_p)$.
   • يقوم مصنف kNN بتحديد البعد $D$ للبدائل الأقرب للشبكة المستهدفة.

2. الشبكة العصبية (DimNN):

   • لتجنب توليد بدائل لكل شبكة جديدة، قام المؤلفون بتدريب شبكة عصبية متعددة الطبقات متبقية (Residual Multilayer Perceptron - DimNN).
   • بيانات التدريب: تستخدم قاعدة بيانات مكونة من 792,000 شبكة اصطناعية (SynNet) مولدة من نموذج $S^D/H^{D+1}$ بأبعاد معروفة ($D \in [1, 10]$) ومعلمات متغيرة (عدم تجانس الدرجة $\gamma$، ودرجة الحرارة العكسية $\beta$).
   • الميزات المدخلة: يستخدم النموذج متجه ميزات مكون من 12 بُعدًا يشمل:
     • إحصائيات الرسم البياني: عدد العقد ($N$)، متوسط الدرجة ($\langle k \rangle$)، العزم الثاني المعياري لتوزيع الدرجات ($\langle k^2 \rangle / \langle k \rangle^2$)، والدرجات الدنيا والقصوى، ومتوسط درجة الجار ($\langle k_{nn} \rangle$).
     • كثافات الدورات: متوسط كثافة المثلثات، المربعات، والخماسيات عديمة الأوتار ($C_t, C_s, C_p$).
     • الموصِّفات الطوبولوجية: إجمالي الاستمرار الممتد ($TP_t, TP_s, TP_p$).
   • البنية: شبكة MLP عميقة مكونة من 21 طبقة خفية، مع تنشيط ReLU، وتقنية Dropout (50%)، واتصالات متبقية (residual connections)، مدربة باستخدام AdamW.
   • التحقق: تم تدريب نموذج انحدار ثانوي (باستخدام خسارة MSE) للتحقق من المتانة، مما أظهر توافقًا عاليًا مع نموذج التصنيف.

3. المساهمات الرئيسية

• مخطط ترشيح مبتكر: تقديم مخطط ترشيح يعتمد على كثافة الدورات عديمة الأوتار للرسوم البيانية، وهو مصمم خصيصًا لالتقاط الخصائص الهندسية ذات الصلة بالأبعاد.
• الاستمرار الممتد للرسوم البيانية: تطويع الاستمرار الممتد للرسوم البيانية الموزونة بالحواف عبر التقسيم الفرعي لتجزئة الدرجة، مما يسمح بحساب أعمار الدوريات المحدودة في سياقات الشبكات حيث يفشل الاستمرار العادي.
• تقدير الأبعاد القائم على البيانات: تطوير DimNN، وهي شبكة عصبية مدربة على قاعدة بيانات اصطناعية ضخمة، يمكنها تقدير أبعاد الشبكة مباشرة من شبكة واحدة من العالم الحقيقي دون الحاجة لتوليد بدائل.
• دمج TDA مع تعلم الآلة: إثبات أن ميزات TDA (إجمالي الاستمرار) تعزز بشكل كبير دقة نماذج تعلم الآلة لتقدير الأبعاد، متفوقة على النماذج التي تستخدم فقط كثافات الدورات أو إحصائيات الدرجة.

4. النتائج

• الارتباط: لوحظ وجود ارتباط سلبي بين أبعاد الشبكة وإجمالي قيم الاستمرار الممتد، خاصة للمربعات والخماسيات (معاملات بيرسون $\rho_s \approx -0.31$ و $\rho_p \approx -0.24$).
• التحقق الاصطناعي:
  • حققت طريقة kNN للبدائل دقة معقولة على الأهداف الاصطناعية، حيث أظهرت مصفوفات الارتباك دقة عالية لمعظم الأبعاد، رغم حدوث بعض الارتباك بين الأبعاد المتجاورة في الشبكات شديدة التباين.
  • حققت DimNN دقة تصنيف بلغت 83.00% على مجموعة التحقق باستخدام متجه الميزات الكامل.
  • أكدت دراسات الاستئصال (Ablation studies) أن الجمع بين إجمالي الاستمرار الممتد ومتوسط كثافات الدورات والميزات المتعلقة بالدرجة يعظم الأداء. أدى حذف ميزات TDA إلى انخفاض كبير في الدقة.
• التطبيق في العالم الحقيقي:
  • طُبقت الطريقة على 10 شبكات معروفة من العالم الحقيقي (مثل Human Connectome، وJazz collaboration، وشبكات البريد الإلكتروني). وكانت الأبعاد المستنتجة متسقة مع الأدبيات السابقة (مثل كونكتوم الدماغ بالقرب من $D=3$، والشبكات الاجتماعية التي تتطلب أبعادًا أعلى قليلاً).
  • عند تطبيقها على مجموعة بيانات أكبر تضم 53 شبكة حقيقية، توقع النموذج أبعادًا تتراوح من 1 (رسوم بيانية للبرمجيات والويب) إلى 10 (بعض الشبكات الاجتماعية).
  • المتانة: أظهر نموذجان مدربان بشكل مستقل (التصنيف والانحدار) توافقًا عاليًا (يصل إلى 88.86% على البيانات الاصطناعية)، مما يشير إلى أن النماذج تلتقط العلاقات الأساسية بدلاً من الإفراط في التخصيص (overfitting).
  • التحقق: نجحت الشبكات البديلة المولدة باستخدام الأبعاد المتوقعة وتضمينات D-Mercator في إعادة إنتاج الخصائص الطوبولوجية الرئيسية للشبكات الأصلية، بما في ذلك توزيع الدرجات، وطيف التكتل، وعتبات التغلغل (percolation thresholds).

5. الأهمية والادعاءات

تزعم الورقة أن هذا العمل يسد الفجوة بين نظرية الشبكات المعقدة وتحليل البيانات الطوبولوجية من خلال توفير طريقة قوية وفعالة للكشف عن الهندسة الخفية للشبكات المعقدة.

• الكفاءة: يوفر نهج الشبكة العصبية ميزة حوسبية كبيرة مقارنة بالطرق السابقة القائمة على البدائل، حيث لا يتطلب إعادة تدريب أو توليد بدائل للشبكات الجديدة.
• القدرة التعبيرية: تُظهر الدراسة أن ترشيحات الدورات الواعية (cycle-aware) والاستمرار الممتد هي ميزات عالية التعبير لضبط كشف الأبعاد، مما يكمل الموصِّفات الهندسية التقليدية.
• التعميم: نجح النموذج في الانتقال من بيانات التدريب الاصطناعية إلى شبكات العالم الحقيقي، مما يشير إلى أن الهياكل الهندسية الكامنة للشبكات الحقيقية ممثلة جيدًا في نموذج $S^D/H^{D+1}$ ضمن نطاقات المعلمات المختبرة.

يشير المؤلفون بتواضع إلى أن الإطار يستهدف في المقام الأول الشبكات الهندسية ($\beta > D$)، وأن توسيع النهج ليشمل الأنظمة الهندسية الضعيفة أو تحسين بنية الشبكة العصبية لتغطية نطاقات توزيع أوسع يظل اتجاهًا للعمل المستقبلي. وتضع الورقة هذا العمل كإثبات لمفهوم فائدة الترشيحات القائمة على الدورات في TDA وجدوى التقدير المدعوم بالتعلم العميق للأبعاد.