Resumen Técnico: Filtraciones de Ciclos Sin Cuerdas para la Detección de Dimensión en Redes Complejas mediante Análisis Topológico de Datos

1. Planteamiento del Problema

Las redes complejas en diversos dominios (biológicos, sociales, tecnológicos) a menudo exhiben patrones estructurales consistentes con una geometría hiperbólica latente subyacente. Determinar la dimensionalidad efectiva ($D$) de este espacio latente es crucial para comprender la complejidad estructural, la organización comunitaria, la navegación en redes y la dinámica de los sistemas. Si bien existen diversas definiciones de dimensionalidad de redes (por ejemplo, fractal, espectral, métrica) y los enfoques impulsados por modelos (como el modelo $S^D/H^{D+1}$) han estimado con éxito la dimensionalidad proyectando frecuencias de ciclos en espacios de configuración, estos métodos a menudo requieren generar grandes conjuntos de redes sustitutas sintéticas para cada nueva red objetivo. Este proceso es intensivo en términos computacionales y carece de un marco unificado, impulsado por datos, que integre el Análisis Topológico de Datos (TDA) con el aprendizaje automático para eludir la generación de sustitutas.

Además, las aplicaciones estándar del TDA en la ciencia de redes han sido limitadas. La homología persistente ordinaria es inadecuada para grafos porque los ciclos (características unidimensionales) tienen persistencia infinita en ausencia de símplices de dimensiones superiores que los rellenen. Asimismo, los esquemas de filtración existentes (por ejemplo, basados en el grado del nodo o la curvatura de Ricci) pueden no capturar las firmas geométricas específicas requeridas para la estimación de la dimensionalidad.

2. Metodología

Los autores proponen un enfoque de dos vertientes que combina la topología algebraica y el aprendizaje automático para estimar la dimensionalidad de la red.

A. Filtraciones de Ciclos Sin Cuerdas y Persistencia Extendida

La innovación topológica central es un esquema de ponderación basado en ciclos sin cuerdas (ciclos sin cuerdas internas).

1. Ponderación: Para una red dada, se construyen tres grafos ponderados en aristas. El peso de una arista se define por la densidad local de ciclos sin cuerdas de longitudes específicas: triángulos ($C_t$), cuadrados ($C_s$) y pentágonos ($C_p$).
2. Persistencia Extendida: Dado que los ciclos en los grafos no mueren en las filtraciones estándar, los autores calculan la persistencia extendida. Esto implica una técnica para transformar el grafo ponderado en aristas en un grafo ponderado en nodos topológicamente equivalente mediante "subdivisión por división de grado". Esto permite el uso de software estándar de TDA (Gudhi) para calcular la persistencia extendida de los ciclos, definida como la diferencia entre el valor de nacimiento en la filtración de subnivel y el valor de nacimiento en la filtración de supernivel.
3. Descriptores: Se calcula la Persistencia Extendida Total (la suma de los valores de persistencia para todos los ciclos independientes) para cada una de las tres filtraciones, obteniendo un vector de características $(TP_t, TP_s, TP_p)$.

B. Enfoques de Estimación de Dimensionalidad

El artículo presenta dos métodos para estimar $D$:

1. Vecinos más Cercanos (kNN) Basado en Sustitutas:

   • Para una red objetivo, se genera un conjunto de sustitutas sintéticas utilizando el procedimiento $D$-GR (Randomización Geométrica). Este método reconfigura la red para maximizar la verosimilitud del modelo $S^D/H^{D+1}$ mientras preserva la secuencia de grados exacta de la objetivo.
   • La red objetivo y sus sustitutas se mapean en un espacio de configuración definido por $(TP_t, TP_s, TP_p)$.
   • Un clasificador kNN identifica la dimensión $D$ de las sustitutas más cercanas a la red objetivo.

2. Red Neuronal (DimNN):

   • Para evitar generar sustitutas para cada nueva red, los autores entrenan un Perceptrón Multicapa Residual (DimNN).
   • Datos de Entrenamiento: Una base de datos de 792.000 redes sintéticas (SynNet) generadas a partir del modelo $S^D/H^{D+1}$ con dimensiones conocidas ($D \in [1, 10]$) y parámetros variables (heterogeneidad de grado $\gamma$, temperatura inversa $\beta$).
   • Características de Entrada: El modelo utiliza un vector de características de 12 dimensiones que incluye:
     • Estadísticas del grafo: Número de nodos ($N$), grado promedio ($\langle k \rangle$), segundo momento normalizado de la distribución de grados ($\langle k^2 \rangle / \langle k \rangle^2$), grados mínimos/máximos y grado promedio de los vecinos ($\langle k_{nn} \rangle$).
     • Densidades de ciclos: Densidades medias de triángulos, cuadrados y pentágonos sin cuerdas ($C_t, C_s, C_p$).
     • Descriptores topológicos: Persistencias extendidas totales ($TP_t, TP_s, TP_p$).
   • Arquitectura: Un MLP profundo con 21 capas ocultas, activaciones ReLU, dropout (50%) y conexiones residuales, entrenado con AdamW.
   • Validación: Se entrenó un modelo de regresión secundario (usando pérdida MSE) para verificar la robustez, mostrando un alto acuerdo con el modelo de clasificación.

3. Contribuciones Clave

• Esquema de Filtración Novel: Introducción de un esquema de filtración basado en la densidad de ciclos sin cuerdas para grafos, diseñado específicamente para capturar propiedades geométricas relevantes para la dimensionalidad.
• Persistencia Extendida para Grafos: Adaptación de la persistencia extendida a grafos ponderados en aristas mediante subdivisión por división de grado, permitiendo el cálculo de vidas finitas de ciclos en contextos de redes donde la persistencia estándar falla.
• Estimación de Dimensionalidad Impulsada por Datos: Desarrollo de DimNN, una red neuronal entrenada en una base de datos sintética masiva que puede estimar la dimensionalidad de la red directamente desde una sola red del mundo real sin generar sustitutas.
• Integración de TDA y ML: Demostración de que las características del TDA (persistencia total) mejoran significativamente la precisión de los modelos de aprendizaje automático para la estimación de dimensionalidad, superando a los modelos que utilizan solo densidades de ciclos o estadísticas de grado.

4. Resultados

• Correlación: Se observó una correlación negativa entre la dimensionalidad de la red y los valores de persistencia extendida total, particularmente para cuadrados y pentágonos (coeficientes de Pearson $\rho_s \approx -0.31$, $\rho_p \approx -0.24$).
• Validación Sintética:
  • El método de sustitutas kNN logró una precisión razonable en objetivos sintéticos, con matrices de confusión que mostraron alta fidelidad para la mayoría de las dimensiones, aunque se produjo cierta confusión entre dimensiones adyacentes en redes altamente heterogéneas.
  • DimNN logró una precisión de clasificación del 83.00% en el conjunto de validación utilizando el vector de características completo.
  • Los estudios de ablación confirmaron que combinar la persistencia total con las densidades medias de ciclos y las características relacionadas con el grado maximiza el rendimiento. La eliminación de las características del TDA resultó en una caída significativa de la precisión.
• Aplicación en el Mundo Real:
  • El método se aplicó a 10 redes del mundo real bien conocidas (por ejemplo, Conectoma Humano, colaboración Jazz, redes de correo electrónico). Las dimensiones inferidas fueron consistentes con la literatura previa (por ejemplo, conectomas cerebrales cerca de $D=3$, redes sociales que requieren dimensiones ligeramente superiores).
  • Al aplicarse a un conjunto de datos más grande de 53 redes reales, el modelo predijo dimensiones que oscilaban entre 1 (Software, grafos web) y 10 (algunas redes sociales).
  • Robustez: Dos modelos entrenados independientemente (clasificación y regresión) mostraron un alto acuerdo (hasta 88.86% en datos sintéticos), lo que sugiere que los modelos capturan relaciones subyacentes en lugar de sobreajustarse.
  • Validación: Las redes sustitutas generadas utilizando las dimensiones predichas y las incrustaciones D-Mercator reprodujeron con éxito las propiedades topológicas clave de las redes originales, incluida la distribución de grados, el espectro de agrupamiento y los umbrales de percolación.

5. Significado y Afirmaciones

El artículo afirma que este trabajo cierra la brecha entre la teoría de redes complejas y el Análisis Topológico de Datos al proporcionar un método robusto y efectivo para descubrir la geometría oculta de las redes complejas.

• Eficiencia: El enfoque de red neuronal ofrece una ventaja computacional significativa sobre los métodos anteriores basados en sustitutas, ya que no requiere reentrenamiento ni generación de sustitutas para nuevas redes.
• Expresividad: El estudio demuestra que las filtraciones conscientes de ciclos y los descriptores de persistencia extendida son características altamente expresivas para la detección de dimensionalidad, complementando los descriptores geométricos tradicionales.
• Generalización: El modelo se transfiere con éxito desde datos de entrenamiento sintéticos a redes del mundo real, lo que sugiere que las estructuras geométricas latentes de las redes reales están bien representadas por el modelo $S^D/H^{D+1}$ dentro de los regímenes de parámetros probados.

Los autores notan modestamente que el marco se dirige principalmente a redes geométricas ($\beta > D$) y que extender el enfoque a regímenes geométricos débiles u optimizar la arquitectura neuronal para cambios más amplios en la distribución sigue siendo una dirección para trabajos futuros. El artículo se posiciona como una prueba de concepto de la utilidad de las filtraciones basadas en ciclos en el TDA y la viabilidad de la estimación de dimensionalidad asistida por aprendizaje profundo.