Em uma rede, separam elementos ou pares de nós, anexados um ao outro; Essas conexões podem representar um sistema amplo com inúmeros links distintos. Uma hipergrafia é mais profunda: dá aos pesquisadores uma maneira de modelar sistemas complexos e dinâmicos em que a interação entre três ou mais pessoas – ou mesmo em grupos individuais pode desempenhar um papel importante. Pares de nó em vez de conectar bordas, é baseado em hiperjage que está conectado Grupo Os hipergrafos de nós podem representar interações de ordem superior que apresentam comportamentos combinados, como agitação em peixes, pássaros ou abelhas ou processos cerebrais.
Os cientistas geralmente usam um modelo de hipergraph para prever o comportamento dinâmico. No entanto, o problema oposto também é interessante. Se os pesquisadores podem monitorar a mobilidade, e se não houver acesso ao modelo confiável? As complicações da SFI, Yuanja Jang, tem uma resposta.
Publicado em um artigo Contato da natureza, Zhang e seus associados descrevem um algoritmo sofisticado que pode determinar a estrutura de um hipergraph usando a mobilidade simplesmente monitorada.
Seu algoritmo usa os dados de séries temporais-mesmo em um período de tempo, os monitores coletados nos intervalos (e outras apresentações de interações de alta ordem) que produzem monitores que produzem padrões. Zhang diz que pode ser aplicado a qualquer conjunto de dados que seja assumido como uma estrutura matemática subjacente. Os dados de séries temporais são úteis para o comportamento do mercado de estudos ou financeiros, sistemas biológicos e muitas outras situações.
Significativamente, o método requer apenas dados; Não requer conhecimento prévio sobre o sistema ou como os nós individuais se comportam. “Esta é a principal vantagem”, disse Zhang. “Ele expõe muito mais possibilidades e você pode aplicá -lo ao sistema para o qual não conhece a mobilidade inerente”.
Ele aponta para a atividade cerebral como exemplo. Os pesquisadores podem coletar os dados de séries temporais, mas não têm um bom modelo de como tudo se encaixa. “Obviamente, não podemos abrir nosso cérebro e ver o que realmente está acontecendo”, disse ele. “Mas podemos aprender algo olhando os dados de gravação cerebral”.
No novo artigo, Zhang e seus associados o examinaram em séries temporais e verificaram seu procedimento, garantindo que ele criasse uma estrutura subjacente familiar. Depois disso, eles o aplicam a dados de elétrons (EEG) coletados de mais de 100 indivíduos humanos. Um EEG mede a atividade elétrica em diferentes regiões do cérebro ao longo do tempo, coletada através de sensores presos na pele de uma pessoa. O relatório resultante parece uma série de ondas.
As conexões mais familiares do cérebro estão conectando gêmeos a uma região do cérebro a outra. No entanto, usando seu novo algoritmo, a Jang e seus associados inventaram um modelo de hipergraph que capturou corretamente as conexões nos dados do EEG entre três ou mais regiões. Ele desempenha um papel importante e desagradável na formação de interações de alta ordem na formação de padrões macroscópicos no cérebro.
Os pesquisadores usaram seu modelo para detectar a interação máxima frequente entre as regiões do cérebro. “O realmente engraçado é o seis principais hiperjágios dos seis primeiros, que é conhecido pelo córtex pré -frontal, conhecido como um dos centros de processamento de dados do cérebro”, diz Jang “, disse Jang. O trabalho atual pode adivinhar um modelo de mais de cem nós; no futuro, ele espera escalar em redes maiores.
