An Approximate-Master-Equation Formulation of the Watts Threshold Model on Hypergraphs

तकनीकी सारांश: हाइपरग्राफ पर वॉट्स थ्रेशोल्ड मॉडल का एक अनुमानित-मास्टर-इक्वेशन सूत्रीकरण

समस्या विवरण
सामाजिक प्रसार के पारंपरिक मॉडल, जैसे कि वॉट्स थ्रेशोल्ड मॉडल (WTM), आमतौर पर द्वैत (pairwise) अंतःक्रियाओं को मानते हैं। हालाँकि, वास्तविक दुनिया की सामाजिक गतिशीलता में अक्सर बहुआयामी (polyadic) या समूह संबंधी अंतःक्रियाएँ शामिल होती हैं, जैसे कि तीन या अधिक व्यक्तियों के बीच बातचीत। हालाँकि चेन एट अल. [15] ने असतत समय (discrete time) में इन समूह अंतःक्रियाओं को कैप्चर करने के लिए हाइपरग्राफ पर WTM का हाल ही में विस्तार किया है, फिर भी एक निरंतर-समय (continuous-time) सूत्रीकरण की आवश्यकता बनी हुई है जो उच्च-आयामी अवस्था स्थानों (state spaces) की गणनात्मक जटिलता के बिना ऐसे सिस्टम के औसत व्यवहार को सटीक रूप से मॉडल कर सके। इसके अतिरिक्त, मानक मीन-फील्ड सन्निकटन (mean-field approximations) अक्सर जटिल नेटवर्क पर थ्रेशोल्ड-आधारित संक्रामक प्रक्रियाओं की सूक्ष्म गतिशीलता को पकड़ने में विफल रहते हैं।

कार्यप्रणाली
लेखक डबल-थ्रेशोल्ड हाइपरग्राफ WTM का एक निरंतर-समय विस्तार विकसित करते हैं जिसके लिए अनुमानित मास्टर समीकरणों (Approximate Master Equations - AMEs) का उपयोग किया गया है। यह मॉडल एक हाइपरग्राफ पर कार्य करता है जहाँ:

• नोड्स (Nodes) की डिग्री ($k$) और अडॉप्शन थ्रेशोल्ड ($\sigma_k$) होती है।
• हाइपरएजेस (Hyperedges/समूहों) का आकार ($n$) और सक्रियण थ्रेशोल्ड ($\tau_n$) होता है।
• गतिशीलता (Dynamics): एक नोड तब सक्रिय होता है जब उसके सक्रिय समूहों का अंश उसके थ्रेशोल्ड से अधिक हो जाता है; एक समूह तब सक्रिय होता है जब उसके सक्रिय नोड्स का अंश उसके थ्रेशोल्ड से अधिक हो जाता है। सिस्टम एसिंक्रोनस रूप से निरंतर समय में विकसित होता है।

कार्यप्रणाली तीन चरणों में आगे बढ़ती है:

1. पूर्ण AME सूत्रीकरण: लेखक एक उच्च-आयामी साधारण अवकल समीकरणों (ODEs) की प्रणाली व्युत्पन्न करते हैं जो विशिष्ट अवस्थाओं (डिग्री $k$, $m$ सक्रिय समूह) में निष्क्रिय नोड्स के अंश और विशिष्ट अवस्थाओं (आकार $n$, $i$ सक्रिय नोड्स) में निष्क्रिय समूहों के अंश को ट्रैक करती है। यह प्रणाली मीन-फील्ड सक्रियण दरों ($\alpha$ और $\eta$) के आधार पर अवस्थाओं के बीच सटीक संक्रमणों को ध्यान में रखती है, लेकिन बड़े नेटवर्क के लिए इसे हल करना गणनात्मक रूप से महंगा है।
2. आयामी न्यूनीकरण (Dimensionality Reduction): व्यावहारिकता में सुधार के लिए, लेखक पूर्ण AME प्रणाली को एक तीन-आयामी युग्मित ODE प्रणाली में कम करने के लिए दो एंसात्ज़ (ansatzes) (ग्लीसन [21] द्वारा द्वैत WTM के लिए उपयोग किए गए तरीकों के समान) का उपयोग करते हैं। ये ODEs निम्नलिखित को ट्रैक करते हैं:
   • $\rho(t)$: सक्रिय नोड्स का अंश।
   • $\phi(t)$: एक यादृच्छिक रूप से चुने गए निष्क्रिय नोड के समूह के सक्रिय होने की प्रायिकता।
   • $\theta(t)$: एक निष्क्रिय समूह में यादृच्छिक रूप से चुने गए नोड के सक्रिय होने की प्राय्यता।
     यह न्यूनीकरण यूनिफॉर्म रैंडम सीडिंग और नोड डिग्री एवं समूह आकार के बीच असंबद्धता (uncorrelatedness) के अनुमान के तहत सटीक है।
3. कैस्केड स्थिति का व्युत्पत्ति (Cascade Condition Derivation): मूल (origin) ($\theta = \phi = 0$) के आसपास सिस्टम को रैखिकीकृत (linearizing) करके, लेखक एक कैस्केड स्थिति व्युत्पन्न करते हैं। यह स्थिति जैकोबियन मैट्रिक्स (Jacobian matrix) के आइजनवैल्यू (eigenvalues) का विश्लेषण करके एक वैश्विक प्रसार (global cascade) के होने के लिए महत्वपूर्ण थ्रेशोल्ड को निर्धारित करती है (जहाँ नोड्स का एक गैर-शून्य अंश अंततः सक्रिय हो जाता है)।

प्रमुख परिणाम

• न्यूनीकरण की सटीकता: कॉन्फ़िगरेशन-मॉडल हाइपरग्राफ पर संख्यात्मक तुलनाएँ दर्शाती हैं कि न्यूनीकृत 3D AME सिस्टम, पूर्ण उच्च-आयामी AME सिस्टम और मोंटे कार्लो सिमुलेशन द्वारा अनुमानित सक्रिय नोड्स के समय-निर्भर अंश ($\rho(t)$) को सटीक रूप से पुनरुत्पादित करता है। यह न्यूनीकरण औसत व्यवहार में पता लगाने योग्य सटीकता की हानि के बिना एक महत्वपूर्ण गणनात्मक गति प्रदान करता है (उदाहरण के लिए, एक एकल रन के लिए एकीकरण समय को ~6.7 सेकंड से घटाकर ~0.03 सेकंड करना)।
• कैस्केड गतिशीलता: व्युत्पन्न कैस्केड स्थिति सीमित संक्रामकता और वैश्विक प्रसार (global cascades) के बीच के संक्रमण का सफलतापूर्वक पूर्वानुमान लगाती है। यह स्थिति तब सबसे सटीक होती है जब सक्रिय नोड्स का प्रारंभिक अंश ($\rho_0$) छोटा होता है।
• अनुभवजन्य सत्यापन (Empirical Validation):
  • प्राथमिक विद्यालय संपर्क नेटवर्क: एक छोटे अनुभवजन्य हाइपरग्राफ (242 नोड्स) पर, न्यूनीकृत AME सिस्टम सिमुलेशन के साथ अच्छा सामंज्य दिखाता है, लेकिन इसमें विसंगतियाँ देखी गईं जिनका कारण फाइनाइट-साइज़ प्रभाव (finite-size effects) और संरचनात्मक सहसंबंध (structural correlations) (जैसे नोड डिग्री और समूह आकार के बीच) हैं, जिन्हें मीन-फील्ड धारणाओं में कैप्चर नहीं किया गया है। जब नेटवर्क का आकार डिग्री और आकार वितरण को बनाए रखते हुए 5,000 नोड्स तक बढ़ा दिया गया, तो सामंजस्य उत्कृष्ट हो गया।
  • DBLP को-ऑथरशिप नेटवर्क: कंप्यूटर साइंस को-ऑथरशिप के एक बड़े सब-हाइपरग्राफ (57,501 नोड्स) पर, न्यूनीकृत AME सिस्टम सिमुलेशन परिणामों के साथ अच्छी तरह मेल खाता है। मूल नेटवर्क में विसंगतियों को नोड्स को हाइपरएजेस के बीच शफल (shuffle) करके समाप्त कर दिया गया (जिससे डिग्री/आकार वितरण को संरक्षित रखते हुए संरचनात्मक सहसंबंधों को हटा दिया गया), जो पुष्टि करता है कि मॉडल की सीमाएँ अनमॉडल किए गए सहसंबंधों से उत्पन्न होती हैं न कि बड़े नेटवर्क में फाइनाइट-साइज़ प्रभावों से।

महत्व और दावे
यह शोध पत्र दावा करता है कि यह हाइपरग्राफ पर सामाजिक संक्रामकता के विश्लेषण के लिए एक कठोर और गणनात्मक रूप से कुशल ढांचा प्रदान करता है। इसके प्राथमिक योगदान हैं:

1. सामान्यीकरण: WTM को डिस्क्रीट-टाइम द्वैत नेटवर्क से निरंतर-समय बहुआयामी (polyadic) नेटवर्क तक विस्तारित करना।
2. दक्षता: एक उच्च-आयामी, कठिन-से-विश्लेषण वाली प्रणाली को एक सुलभ 3D ODE प्रणाली में कम करना जो पूर्ण मास्टर समीकरण की सटीकता बनाए रखती है।
3. विश्लेषणात्मक अंतर्दृष्टि: एक अनुमानित कैस्केड स्थिति का व्युत्पत्ति करना जो पूर्ण सिमुलेशन के बिना वैश्विक प्रसार थ्रेशोल्ड के निर्धारण की अनुमति देता है।

लेखक विनम्रतापूर्वक नोट करते हैं कि कैस्केड स्थिति रैखिकीकरण से प्राप्त एक अनुमान है और यह छोटे प्रारंभिक सीड के लिए सबसे सटीक है। वे यह भी स्वीकार करते हैं कि मॉडल यह मान लेता है कि नोड डिग्री और समूह आकार के बीच कोई सहसंबंध नहीं है; फलस्वरूप, छोटे, वास्तविक-दुनिया के नेटवर्क में विसंगतियाँ आती हैं जहाँ ऐसे सहसंबंध और फाइनाइट-साइज़ प्रभाव महत्वपूर्ण होते हैं। यह कार्य सुझाव देता है कि भविष्य के प्रयास इन संरचनात्मक सहसंबंधों को ध्यान में रखने के लिए AMEs को सामान्य करने पर केंद्रित हो सकते हैं।