Statistical inference of dynamical processes on networks

Résumé technique : Inférence statistique de processus dynamiques sur les réseaux

Énoncé du problème
Comprendre les mécanismes qui régissent les processus de propagation sur les réseaux — allant de la transmission de maladies et de la dynamique des opinions à la diffusion d'informations et aux cascades écologiques — est au cœur de la science des réseaux. Bien que les données empiriques révèlent fréquemment la structure du réseau (qui interagit avec qui), elles fournissent rarement des informations directes concernant les règles fonctionnelles régissant la manière dont les interactions entraînent des changements d'état. Par conséquent, les mécanismes d'interaction sous-jacents doivent être inférés à partir des dynamiques observées en sélectionnant parmi des hypothèses concurrentes. Cet article traite du problème inverse de l'inférence statistique des règles d'interaction (taux de transition) de processus de propagation à états binaires sur des réseaux, étant donné une structure connue et des trajectoires d'états de nœuds observées. Un défi critique consiste à déterminer les conditions dans lesquelles des modèles mécanistes distincts sont statistiquement distinguables, en particulier lorsque différents modèles peuvent produire des comportements macroscopiques similaires.

Méthodologie
Les auteurs proposent un cadre général de sélection de modèles basé sur le rapport de vraisemblance entre un modèle génératif réel et un ensemble d'hypothèses concurrentes. L'étude se concentre sur les dynamiques à états binaires (nœuds dans l'état 0 ou 1) où les probabilités de transition dépendent du degré du nœud ($k$) et du nombre de voisins infectés ($m$).

1. Cadre théorique :

   • Les auteurs définissent une famille de six mécanismes de propagation archétypaux : Indépendant, Simple, Voter, Ising, Seuil (Threshold) et Majorité. Ceux-ci sont paramétrés par des taux d'infection ($F$) et de récupération ($R$).
   • Ils dérivent l'espérance du rapport de log-vraisemblance entre deux modèles, montrant qu'il est une fonction de la divergence de Kullback-Leibler (KL) entre les probabilités de transition des modèles, pondérée par la « plage dynamique » observée (la distribution des transitions agrégées dans le temps à travers les classes $(k, m)$).
   • Une contribution théorique clé est la définition de la détectabilité asymptotique ($\lambda^*$). En utilisant les Équations Maîtres Approchées (AME) — qui décrivent l'évolution des fractions d'états des nœuds dans la limite thermodynamique ($N \to \infty$) — les auteurs dérivent une approximation analytique de la détectabilité. Ils démontrent que cette mesure asymptotique prédit avec précision les résultats d'inférence dans les systèmes finis, se stabilisant à mesure que la taille du système augmente.

2. Exploration systématique :

   • Les auteurs explorent systématiquement un espace de paramètres de haute dimension ($\Omega$) englobant les paramètres des modèles, la topologie du réseau (degré moyen $\langle k \rangle$, hétérogénéité de degré) et les conditions initiales.
   • Ils distinguent les dynamiques transitoires des dynamiques stationnaires, notant que la détectabilité d'un mécanisme dépend fortement de la question de savoir si la période d'observation capture le relâchement du système ou son état stationnaire.

3. Application empirique :

   • Le cadre est appliqué à un ensemble diversifié de sept ensembles de données empiriques, incluant des expériences de théorie des jeux, l'activité sur les réseaux sociaux (découverte du boson de Higgs), le flux de trafic urbain, les systèmes de vélos en libre-service, la dynamique des chaînes d'approvisionnement et les interactions comportementales des primates.
   • Un aspect crucial de l'analyse empirique est l'étude du prétraitement des données. Les auteurs font varier les fenêtres d'agrégation temporelle ($\Delta t$) et les seuils de binarisation ($\phi$) pour évaluer comment le coarsening (grain grossier) affecte la sélection de modèles. Ils introduisent également des variantes de modèles « bruités », où une fraction des transitions est modélisée comme un bruit indépendant (aléatoire), pour rendre compte des facteurs non observés dans les données réelles.

Résultats clés

• Détectabilité et taille du système : La détectabilité asymptotique ($\lambda^*$) se stabilise avec l'augmentation de la taille du système, validant son utilisation comme prédicteur pour les systèmes finis. Cependant, la sélection de modèles peut échouer même dans de grands systèmes si la plage dynamique n'explore pas suffisamment l'espace des paramètres où les mécanismes diffèrent.
• Densité et parcimonie des réseaux : La détectabilité augmente généralement dans les réseaux parcimonieux (faible degré moyen). À mesure que la densité du réseau augmente, les régions de paramètres où les mécanismes sont distinguables rétrécissent, et différents mécanismes ont tendance à produire des plages dynamiques similaires, entraînant une confusion accrue entre les modèles.
  • Transitions de phase : L'inférence est plus réussie près des transitions de phase (par exemple, le seuil épidémique dans la dynamique SIS). À ces points critiques, le système présente un ralentissement critique, générant un volume plus important de transitions observables et une plage dynamique plus large, ce qui améliore la capacité à distinguer les modèles.
• Impact du prétraitement : Le choix de la résolution temporelle et des seuils de binarisation reforme fondamentalement les résultats de la sélection de modèles. Un seul jeu de données peut favoriser différents mécanismes (par exemple, la contagion par seuil versus la contagion simple) selon l'échelle d'agrégation.
• Résultats empiriques : Dans la plupart des jeux de données empiriques, le modèle Indépendant (transitions aléatoires) ou les modèles Simple Bruité (un mélange de bruit indépendant et de contagion simple) offrent le meilleur ajustement. Les modèles purement mécanistes (comme le Seuil ou l'Ising) sont rarement le seul meilleur ajustement sans tenir compte du bruit. Les variantes « bruitées » surpassent systématiquement les modèles à mécanisme unique, suggérant que les dynamiques réelles impliquent souvent une combinaison d'influence structurelle et de facteurs exogènes ou aléatoires.

Signification et affirmations
L'article affirme être le premier effort systématique visant à évaluer à la fois les limites de la détectabilité et la prévalence des mécanismes paradigmatiques dans les phénomènes de propagation en réseau.

• Insight théorique : Le travail démontre que se concentrer sur la « plage dynamique » (comment les données sont distribuées sur les classes structurelles) est plus informatif que de simplement augmenter le volume de données. Il révèle que des modèles conceptuellement différents peuvent avoir des comportements statistiques similaires selon le régime dynamique, créant un « paysage de mécanismes » où plusieurs modèles peuvent avoir un pouvoir explicatif comparable.
• Avancée méthodologique : En montrant que les approximations asymptotiques (AME) peuvent informer de manière fiable la sélection de modèles dans les systèmes finis, les auteurs fournissent un outil pour identifier les régions de paramètres où l'inférence est susceptible d'échouer avant de mener des simulations ou des expériences coûteuses.
• Implication pratique : Les résultats soulignent que le prétraitement des données n'est pas seulement une étape technique mais une hypothèse de modélisation qui peut recadrer le processus sous-jacent. La prévalence des modèles « bruités » dans les données empiriques suggère que les mécanismes simples et idéalisés sont souvent insuffisants pour décrire les phénomènes réels sans tenir compte de l'hétérogénéité non observée ou des moteurs exogènes.

Les auteurs concluent que la sélection de modèles statistiques peut échouer sous des conditions communes (réseaux denses, régions de paramètres spécifiques ou agrégation inappropriée des données) et suggèrent que les interprétations futures des phénomènes de propagation empiriques doivent soigneusement considérer l'interaction entre la structure du réseau, les échelles d'observation et les limites inhérentes de la distinguabilité entre les mécanismes concurrents.