Spectra of random graphs with discrete scale invariance

जटिल नेटवर्क के अध्ययन में, वैज्ञानिक अक्सर उन पैटर्नों की तलाश करते हैं जो यह समझा सकें कि क्यों कुछ प्रणालियाँ, जैसे सोशल मीडिया प्लेटफॉर्म से लेकर जैविक कोशिकाएं तक, एकजुट रहती हैं जबकि अन्य बिखर जाती हैं। इस जांच में एक केंद्रीय उपकरण के रूप में स्पेक्ट्रम की गणितीय अवधारणा का उपयोग किया जाता है, जो एक नेटवर्क के ढांचे के लिए फिंगरप्रिंट की तरह कार्य करता है। एक नेटवर्क के कनेक्शनों से उभरने वाले विशिष्ट नंबरों का विश्लेषण करके, शोधकर्ता सबसे प्रभावशाली नोड्स और उस छिपे हुए संगठन की पहचान कर सकते हैं जो सूचना या ऊर्जा के प्रवाह को निर्देशित करता है। दशकों से, इन प्रणालियों को समझने के लिए उपयोग किए जाने वाले मानक मॉडलों ने यह माना था कि एक नोड के पास कनेक्शनों की औसत संख्या एक परिमित (finite), प्रबंधनीय संख्या होती है। हालांकि, कई वास्तविक दुनिया के नेटवर्क इस धारणा को चुनौती देते हैं, जिनमें कुछ "अति-जुड़े हुए" (super-connected) हब होते हैं जिनके पास इतने अधिक लिंक होते हैं कि कनेक्शनों की औसत संख्या प्रभावी रूप से अनंत हो जाती है। यह चरम असंतुलन एक ऐसा गणितीय परिदृश्य बनाता है जहाँ पारंपरिक नियम अब लागू नहीं होते, जिससे वैज्ञानिक यह सोचने पर मजबूर हो जाते हैं कि ऐसे अराजक (chaotic) सिस्टम का मौलिक ढांचा वास्तव में कैसा व्यवहार करता है।

शोधकर्ताओं की एक टीम ने अब इन चरम नेटवर्कों के छिपे हुए ढांचे का मानचित्रण किया है, जिससे स्पष्ट अराजकता के भीतर एक आश्चर्यजनक व्यवस्था का पता चला है। उन्होंने एक विशिष्ट प्रकार के रैंडम नेटवर्क मॉडल पर ध्यान केंद्रित किया जहाँ दो बिंदुओं के जुड़ने की संभावना प्रत्येक बिंदु को दिए गए एक छिपे हुए "फिटनेस" मान पर निर्भर करती है। इस मॉडल में, फिटनेस मान एक ऐसे वितरण से लिए गए हैं जहाँ सबसे शक्तिशाली नोड्स इतने प्रभावी हैं कि उनका प्रभाव कभी भी एक परिमित संख्या के रूप में औसत नहीं हो पाता। शोधकर्ताओं ने एक सरल लेकिन गहन प्रश्न पूछा: यदि आप इन अनंत-माध्य (infinite-mean) गुणों वाले एक नेटवर्क का निर्माण करते हैं, तो उसका स्पेक्ट्रल फिंगरप्रिंट कैसा दिखेगा? उन्होंने पाया कि इन नेटवर्कों में सबसे महत्वपूर्ण संरचनात्मक संकेत लुप्त नहीं होते हैं; इसके बजाय, वे कुल नोड्स की संख्या के वर्गमूल (square root) के साथ बढ़ती शक्ति के साथ सतह पर उभरते हैं।

अध्ययन की शुरुआत कंप्यूटर पर इन नेटवर्कों का निर्माण करके हुई, जिसमें प्रत्येक नोड को एक यादृच्छिक (random) भार सौंपा गया और फिर उन्हें एक संभाव्यता नियम के आधार पर जोड़ा गया जो भार की चरम प्रकृति का सम्मान करता है। शोधकर्ताओं ने नेटवर्क के कनेक्शनों को दो भागों में विभाजित किया: एक अनुमानित, संरचनात्मक पैटर्न जो भार द्वारा संचालित होता है, और एक यादृच्छिक शोर (noise) की परत जो कनेक्शनों की संयोगपूर्ण प्रकृति के कारण होता है। पहले संरचनात्मक भाग का विश्लेषण करके, उन्होंने पाया कि सबसे शक्तिशाली संकेत, जिन्हें अग्रणी आइजनवैल्यू (leading eigenvalues) कहा जाता है, मानक मॉडलों में देखे जाने वाले कुछ अलग-थलग स्पाइक्स मात्र नहीं थे। इसके बजाय, जैसे-जैसे नेटवर्क बड़ा होता गया, इन संकेतों की एक बढ़ती संख्या पृष्ठभूमि के शोर से उभरकर सामने आई। विशेष रूप से, इन दृश्यमान संरचनात्मक संकेतों की संख्या नेटवर्क के आकार के प्राकृतिक लघुगणक (natural logarithm) के अनुपात में धीरे-धीरे बढ़ती है। इसका अर्थ यह है कि दस हजार नोड्स वाले नेटवर्क में, प्राकृतिक लघुगणक लगभग 9.2 है, जबकि दस लाख नोड्स वाले नेटवर्क में, यह काफी अधिक है, जो पता लगाने योग्य संरचनात्मक मोड की संख्या में धीमी लेकिन निरंतर वृद्धि को दर्शाता है।

जो इस खोज को विशेष रूप से उल्लेखनीय बनाता है, वह है इन संकेतों का आकार। शोधकर्ताओं ने पाया कि इन अग्रणी संकेतों के मान धनात्मक और ऋणात्मक संख्याओं के बीच बदलते रहते हैं, जिससे एक लयबद्ध पैटर्न बनता है। जब इन मानों को एक जटिल गणितीय स्थान में प्लॉट किया जाता है, तो वे बेतरतीब ढंग से नहीं बिखरते; वे एक लघुगणकीय सर्पिल (logarithmic spiral) के साथ पूरी तरह से संरेखित होते हैं, जो एक स्वयं-समान वक्र है जो अंदर की ओर घूमता है। यह सर्पिल कोई संयोग नहीं है बल्कि नेटवर्क की एकत्रीकरण (aggregation) के तहत अपरिवर्तनीयता का एक सीधा गणितीय परिणाम है। इस मॉडल में, यदि आप नोड्स को बड़े "सुपरनोड्स" में समूहबद्ध करते हैं और प्रत्येक समूह को एक एकल इकाई के रूप में मानते हैं, तो कनेक्शनों को नियंत्रित करने वाले नियम बिल्कुल वही रहते हैं, बस पैरामीटर पुनर्गठित (rescaled) हो जाते हैं। 'डिस्क्रीट स्केल इनवेरियेंस' (discrete scale invariance) के रूप में ज्ञात यह गुण, नेटवर्क की संरचना को विभिन्न पैमानों पर खुद को दोहराने के लिए मजबूर करता है, और वैकल्पिक, सर्पिल संकेत इस पुनरावृत्ति के गणितीय हस्ताक्षर हैं।

शोधकर्ताओं ने आइजनवेक्टर्स (eigenvectors) का भी परीक्षण किया, जो यह बताते हैं कि इन संकेतों का प्रभाव नेटवर्क में कैसे वितरित होता है। उन्होंने पाया कि ये संकेत केवल एक एकल नोड तक सीमित नहीं हैं बल्कि पूरे सिस्टम में फैले हुए हैं, जिसमें एक विशिष्ट दोलन (oscillation) का पैटर्न है। किसी दिए गए नोड पर संकेत की शक्ति एक तरंग-जैसी (wave-like) रीति से ऊपर-नीचे होती है, जो लघुगणकीय पैमाने पर देखने पर नियमित अंतराल पर दोहराई जाती है। यह 'लॉग-पीरियडिसिटी' (log-periodicity) डिस्क्रीट स्केल इनवेरियेंस की पहचान है, जो पुष्टि करती है कि नेटवर्क की संरचना स्वयं को दोहराने वाले पैमानों के पदानुक्रम (hierarchy) पर निर्मित है। अध्ययन ने दिखाया कि ये पैटर्न मजबूत हैं, चाहे नोड भार यादृच्छिक रूप से दिए गए हों या एक पूर्णतः व्यवस्थित क्रम में, जो यह सुझाव देता है कि यह घटना मॉडल के एक मौलिक गुण का परिणाम है न कि केवल यादृच्छिक संयोग का।

इन संरचनात्मक संकेतों के कितने दूर तक विस्तारित होने की गणना करना इस कार्य का एक महत्वपूर्ण हिस्सा था, इससे पहले कि वे नेटवर्क के यादृच्छिक शोर में डूब जाएं। शोधकर्ताओं ने गणना की कि यादृच्छिक शोर का "किनारा" (edge) संरचनात्मक संकेतों के समान दर से बढ़ता है, जिसका अर्थ है कि दोनों के बीच निरंतर प्रतिस्पर्धा रहती है। जैसे-जैसे नेटवर्क बड़ा होता जाता है, यादृच्छिक शोर अंततः कमजोर संरचनात्मक संकेतों को निगल लेता है, लेकिन सबसे मजबूत संकेत दृश्यमान बने रहते हैं। वह बिंदु जहाँ संरचनात्मक संकेत शोर में गायब हो जाते हैं, नेटवर्क के भार वितरण के विशिष्ट गुणों पर निर्भर करता है, लेकिन शोधकर्ताओं ने पाया कि दृश्यमान संकेतों की संख्या हमेशा एक छोटी, धीरे-धीरे बढ़ने वाली संख्या तक सीमित रहती है। यह निष्कर्ष इस विचार को चुनौती देता है कि अनंत-माध्य वाले नेटवर्क पूरी तरह से अराजक होते हैं; इसके बजाय, उनमें एक समृद्ध, बहु-स्तरीय संरचना होती जिसे सही गणितीय विशेषताओं को देखकर डिकोड किया जा सकता है।

इस कार्य के निहितार्थ केवल सैद्धांतिक जिज्ञासा तक सीमित नहीं हैं। नेटवर्क के स्पेक्ट्रम में डिस्क्रीट स्केल इनवेरियेंस के विशिष्ट हस्ताक्षर की पहचान करके, वैज्ञानिकों के पास अब वास्तविक डेटा में इस गुण का पता लगाने के लिए एक नया उपकरण है। यदि किसी नेटवर्क का स्पेक्ट्रम वैकल्पिक संकेतों का एक सेट दिखाता है जो एक लघुगणकीय सर्पिल का अनुसरण करते हैं, तो यह सुझाव देता है कि प्रणाली एक बार-बार होने वाली 'कोर्स-ग्रेनिंग' (coarse-graining) की प्रक्रिया द्वारा संचालित है, जहाँ प्रत्येक संगठनात्मक स्तर पर समान नियम लागू होते हैं। यह शोधकर्ताओं को इंटरनेट से लेकर मानव मस्तिष्क तक, विविध प्रणालियों के अंतर्निहित तंत्र को समझने में मदद कर सकता है, जहाँ अत्यधिक विषमता (heterogeneity) और आत्म-समानता (self-similarity) सामान्य है। अध्ययन एक नेटवर्क के नियत (deterministic), संरचनात्मक ढांचे और उन यादृच्छिक उतार-चढ़ाव के बीच अंतर करने के लिए एक स्पष्ट ढांचा प्रदान करता है जो उसे धुंधला करते हैं, जिससे जटिल प्रणालियों में छिपी व्यवस्था को देखने का एक नया तरीका मिलता है।

शोधकर्ताओं ने व्यापक कंप्यूटर सिमुलेशन के माध्यम से अपने सैद्धांतिक अनुमानों की पुष्टि की, जिसमें हजारों नोड्स वाले नेटवर्क और भार वितरण की भारीपन को नियंत्रित करने वाले विभिन्न मापदंडों का परीक्षण किया गया। हर मामले में, देखे गए पैटर्न गणितीय भविष्यवाणियों के साथ उच्च सटीकता के साथ मेल खाते थे। अग्रणी संकेत अपेक्षित रूप से बढ़े, वैकल्पिक चिह्न सत्य रहे, और आइजनवेक्टर्स में लॉग-पीरियॉडिक दोलन स्पष्ट रूप से दिखाई दिए। अध्ययन ने यह भी प्रदर्शित किया कि ये परिणाम तब भी बने रहते हैं जब यादृच्छिक भारों को एक नियत अनुक्रम (deterministic sequence) से बदल दिया जाता है, जो इस विचार को पुख्ता करता है कि यह घटना मॉडल के मौलिक स्केलिंग गुणों द्वारा संचालित है। हालांकि शोधकर्ताओं ने उल्लेख किया कि यादृच्छिक शोर व्यवहार के लिए पूर्ण गणितीय प्रमाण भविष्य के कार्य के लिए एक खुला विषय बना हुआ है, उनके सिमुलेशन इस बात के पुख्ता सबूत प्रदान करते हैं कि उनके द्वारा पहचाने गए संरचनात्मक संकेत वास्तविक और महत्वपूर्ण हैं।

अंततः, यह शोध पत्र प्रकट करता है कि अनंत-माध्य गुणों वाले नेटवर्क संरचना से रहित नहीं हैं; बल्कि, उनमें एक जटिल, बहु-स्तरीय वास्तुकला होती है जो उनके स्पेक्ट्रल गुणों में अंकित होती है। लघुगणकीय सर्पिल और लॉग-पीरियडिक आइजनवेक्टर्स की खोज इस छिपी हुई व्यवस्था को देखने और मापने का एक ठोस तरीका प्रदान करती है। यह दर्शाता है कि भले ही ऐसे सिस्टम में औसत व्यवहार परिभाषित न हो, फिर भी पूरे के सामूहिक व्यवहार को सटीक, पूर्वानुमेय नियमों द्वारा वर्णित किया जा सकता है। यह कार्य अमूर्त गणितीय अवधारणाओं और जटिल नेटवर्कों की मूर्त वास्तविकता के बीच के अंतर को पाटता है, जिससे हमें उन जटिल संबंधों के जाल को देखने के लिए एक नया दृष्टिकोण मिलता है जो हमारी दुनिया को आकार देते हैं।