Weight geometry governs functional memory in complex systems

Technische Samenvatting: Gewichtsgeometrie Bepaalt het Functionele Geheugen in Complexe Systemen

Probleemstelling
De traditionele netwerkwetenschap stelt dat de functionele organisatie van complexe systemen—variërend van genregulerende netwerken tot transportinfrastructuur—primair wordt bepaald door de structurele topologie (bijv. graadheterogeniteit, modulariteit, spectrale eigenschappen). Dit topologische perspectief gaat echter impliciet uit van de aanname dat het bestaan van verbindingen de functionele dynamiek dicteert, waarbij de rol van interactiekrachten wordt verwaarloosd. De auteurs stellen dat structurele observabelen er niet in slagen te verklaren hoe historische causale invloeden worden gewogen, onderdrukt of verdeeld over temporele diepten. Netwerken met vergelijkbare statische topologieën kunnen de causale geschiedenis op merkbaar verschillende snelheden comprimeren, een onderscheid dat onzichtbaar is voor binaire graafanalyse. Het centrale probleem dat wordt geadresseerd is of de geometrie van interactiekrachten (gewogen transport) de diepte en organisatie van het functionele geheugen bepaalt op een manier die de topologie alleen niet kan vangen.

Methodologie
De auteurs introduceren een thermodynamisch kader om functioneel geheugen te kwantificeren als een hiërarchische weerstand tegen compressie. De belangrijkste methodologische componenten zijn:

1. Thermodynamische Cascade van Geheugen: Gerichte netwerken worden gemodelleerd als multigrafen waarbij de randgewichten de interactiekrachten vertegenwoordigen. Een familie van $n$-geheugenpropagatoren, $T^{(n)}_t$, wordt gedefieerd als transitiematrices voor niet-Markoviaanse random walks die gerichte paden van lengte maximaal $n$ bemonsteren. Deze paden worden gewogen door een energetische kostenfunctie $e^{-\beta(t)|\gamma|}$, waarbij $\beta(t)$ een macroscopische inverse temperatuur is die de onderdrukking van langetermijngeheugen bijstuurt.
2. Evenwichtsreferentie en Thermalisatie: Naarmate $\beta(t)$ toeneemt, worden bijdragen van langetermijngeheugen onderdrukt, wat leidt tot een "thermalisatiecascade". Het systeem transformeert van een oneindige-historie evenwichtstoestand (geassocieerd met een Kubo–Martin–Schwinger (KMS) staat) naar eindige-geheugenregimes. De auteurs definiëren thermalisatietijden $\tau_n$ als de macroscopische tijd waarop een diepte-$n$ benadering ononderscheidbaar wordt van de oneindige-historie limiet.
3. Kernobservabelen: Drie metrieken karakteriseren de geheugensignatuur:
   • Effectieve Geheugendiepte (EMD): Volgt de instantane causale horizon.
   • Hiërarchisch Geheugenspectrum ($\mu_l$): Registreert de distributie van thermalisatietijd over geheugendiepten.
   • Niet-Markoviaanse Ratio (NMR): Meet de persistentie van langetermijngeheugen ten opzichte van de bevriezings-tijd ($\tau_1/\tau_0$).
4. Nullenmodel Decompositie: Om specifieke structurele drijvers te isoleren, vergelijken de auteurs empirische netwerken met drie nullenensembles:
   • Directed Configuration Model (DCM): Behoudt de graadsequenties maar randomiseert de bedrading (isoleert mesoschaalstructuur).
   • Geometry Fluctuation Model (GFM): Behoudt de binaire topologie maar randomiseert de randgewichten (isoleert gewichtsgeometrie).
   • Polarity Noise Model (PNM): Randomiseert de richting van de randen (isoleert directionaliteit).
5. Comparatieve Analyse: De studie analyseert 34 empirische netwerken uit biologische, ecologische, sociale en technologische domeinen. Verschillen in geheugenorganisatie worden gekwantificeerd met behulp van de 1-Wasserstein afstand tussen hiërarchische geheugenspectra.

Belangrijkste Resultaten

• Universele Regelmaat van Gewichtsgeometrie: In 32 van de 34 geanalyseerde netwerken organiseren werkelijke interactiekrachten het functionele geheugen op een significant grotere hiërarchische diepte dan willekeurige gewichtsverdelingen op dezelfde topologie. De GFM-vergelijking laat zien dat werkelijke gewichtsgeometrie het geheugen systematisch verdiept (hogere NMR), terwijl randomisering de diepe bijdragen onderdrukt. Twee uitzonderingen werden geïdentificeerd: de Amerikaanse luchtverkeersleiding (waar het geheugen volledig wordt bepaald door hub-topologie, waardoor gewichten inert zijn) en een wetland voedselweb (waar de geschatte stromen in het model onvoldoende resolutie hadden).
• Mechanisme van Amplificatie: De verdieping van het geheugen komt voort uit het feit dat echte systemen sterke interacties correleren langs coherente gerichte paden. Dit creëert een multiplicatieve amplificatie van diepe-wand bijdragen die standhoudt onder thermische onderdrukking. Het randomiseren van gewichten vernietigt deze correlaties, waardoor de dynamica verschuift naar een vlachtere effectieve geheugendiepte.
• Distinctieve Rollen van Structurele Ingrediënten:
  • Gewichtsgeometrie: Bepaalt systematisch de geheugendiepte.
  • Mesoschaalstructuur: Vormt de geheugenorganisatie over verschillende schalen, maar bepaalt niet universeel de diepte.
  • Directionaliteit: Moduleert de gevoeligheid van de cascade voor structurele perturbatie, maar bepaalt niet universeel de diepte. Het effect varieert per domein (bijv. het onderdrukken van diep geheugen in neurale circuits versus het in stand houden ervan in voedselwebben).
• Laagdimensionale Dynamische Organisatie: Ondanks structurele diversiteit, convergeren de netwerken naar vier recurrente dynamische organisaties:
  1. Diffuus: Brede, hoge-entropie geheugendistributie (bijv. E. coli, menselijke proteïne-interactomen).
  2. Reactief: Diep geheugen met geconcentreerde compressie en matige directionele gevoeligheid (bijv. de meeste voedselwebben, neurale connectomen).
  3. Stabiel: Diep geheugen met diffuse compressie en zwakke directionele gevoeligheid (bijv. wereldwijde luchtvaart, Darwin's correspondentie).
  4. Pulse: Extreme compressie gedomineerd door een enkele karakteristieke schaal (bijv. Amerikaanse luchtverkeersleiding, Plant Photosystem I).
• Cross-Domein Convergentie en Divergentie: Systemen met ongerelateerde substraten (bijv. luchtverkeer en fotosynthese) kunnen convergeren op dezelfde dynamische organisatie (Pulse), terwijl systemen binnen dezelfde biologische klasse (bijv. E. coli versus menselijke proteïne-interactomen) kunnen divergeren in hun mesoschaal- en polariteitsrespons, ondanks het delen van een "Diffuse" organisatie.

Betekenis en Claims
Dit artikel stelt gewogen transportgeometrie vast als een primaire organisator van het functionele geheugen, en demonstreert dat gewogen interacties een dynamische structuur dragen die de binaire topologie alleen niet kan herstellen. De auteurs claimen dat:

1. Topologie is Onvoldoende: Structurele observabelen bepalen welke paden bestaan, maar niet hoe sterk verre causale geschiedenissen geïntegreerd blijven. Het negeren van gewichten betekent het weglaten van een primaire determinant van hoe systemen de causale geschiedenis organiseren.
2. Operationeel Criterium voor Functionele Structuur: De GFM-vergelijking biedt een toetsbaar criterium voor de vraag of randgewichten een genuïne functionele interactiestructuur coderen. Een positieve afwijking ($NMR_{real} > NMR_{GFM}$) bevestigt dat specifieke gewichtsassignaties het causale geheugen dieper maken dan door toeval alleen. Omgekeerd duiden bijna nul-afwijkingen erop dat gewichten ofwel dynamisch inert zijn, ofwel onvoldoende resolutie hebben.
3. Laagdimensionaal Functioneel Landschap: Functionele complexiteit deelt zich op in twee onafhankelijke assen: een structurele drijver (wat de geheugenhiërarchie organiseert) en een dynamische organisatie (hoe het geheugen wordt verdeeld en gecomprimeerd). Dit kader onthult organisatierelaties die onzichtbaar zijn voor conventionele structurele analyse, en toont aan dat systemen organiseren volgens de thermodynamische geheugenstructuur in plaats van louter volgens structurele gelijkenis.

Het werk stelt geen nieuwe experimentele toepassingen voor, maar biedt een rigoureus diagnostisch kader voor de analyse van bestaande netwerkdata, waarbij gesuggereerd wordt dat de "geometrie" van interactiekrachten een fundamentele, universele regelmaat is in complexe systemen.