目录
- 扩散
- 高阶扩散
- 题外话
- 高阶随机游走
扩散
在给出建模之后,接下来讨论如何将传统意义下的扩散拓展到高阶系统。扩散是一个线性过程,但在许多不同的情况下都有强相关性。扩散这个词实际可指代两个不同的过程:
- 标准的扩散过程,或者也称为流体模型;
- 连续时间的随机游走。
在网络上的标准扩散中,一种“物质”被分配到图节点上,并从含量较高的节点流向含量较低的节点。这一过程本质上实现了各节点均衡的再分配,有时候也被称为 consensus。从数学的角度可以线性微分方程来表示: x ˙ i ( t ) = ∑ j a i j ( x j ( t ) − x i ( t ) ) = ∑ j ( L 0 D ) i j x i ( t ) . \dot{x}_{i}(t) = \sum_{j} a_{i j} (x_{j}(t) - x_{i}(t)) = \sum_{j} (L_{0}^{D})_{i j} x_{i}(t). x˙i(t)=j∑aij(xj(t)−xi(t))=j∑(L0D)ijxi(t). 此处, x i ( t ) {x}_{i}(t) xi(t) 代表第 i i i 个顶点在时刻 t t t 的浓度, a i j a_{i j} aij 是网络对应的邻接矩阵, ( L 0 D ) i j (L_{0}^{D})_{i j} (L0D)ij 则是扩散拉普拉斯矩阵。事实上,这种平衡的稳定性是由拉普拉斯矩阵的谱性质决定的。上式的解可以通过投影到拉普拉斯特征向量来表示: x i ( t ) = ∑ α = 1 N c α ( 0 ) e − λ α t ϕ i ( α ) . x_{i}(t) = \sum_{\alpha = 1}^{N} c_{\alpha}(0) e^{- \lambda_{\alpha} t} \phi_{i}^{(\alpha)}. xi(t)=α=1∑Ncα(0)e−λαtϕi(α). 并可知解的收敛性与拉普拉斯矩阵的最小非零特征相关。与扩散相同,随机游走过程的特征是一个平稳分布,其中每个方向上的概率流彼此相等,并达到平衡。或可建模为随机微分方程。
高阶扩散
不同类型的扩散,取决于定义扩散的单纯形的维数。其思想是用 x σ ( t ) x_{\sigma}(t) xσ(t) 表示时间 t t t 时 k k k 阶一般单纯形 σ \sigma σ 处的浓度,并考虑如下耦合动力学方程: x ˙ σ ( t ) = ∑ σ ′ ∈ X k ( L k D ) σ σ ′ x σ ′ ( t ) . \dot{x}_{\sigma}(t) = \sum_{\sigma^{\prime} \in X_{k}} (L_{k}^{D})_{\sigma \sigma^{\prime}} x_{\sigma^{\prime}}(t). x˙σ(t)=σ′∈Xk∑(LkD)σσ′xσ′(t). 其对应的解为1: x σ ( t ) = ∑ α = 1 N k e − λ α t ϕ σ ( α ) ∑ σ ′ ∈ X k ϕ σ ′ ( α ) x σ ′ ( 0 ) . x_{\sigma}(t) = \sum_{\alpha = 1}^{N_{k}} e^{- \lambda_{\alpha} t} \phi_{\sigma}^{(\alpha)} \sum_{\sigma^{\prime} \in X_{k}} \phi_{\sigma^{\prime}}^{(\alpha)} x_{\sigma^{\prime}}(0). xσ(t)=α=1∑Nke−λαtϕσ(α)σ′∈Xk∑ϕσ′(α)xσ′(0).
题外话
在读这一部分的时候,忽然意识到现在大火的 diffusion models。
记录几篇入门文献:
- Understanding diffusion models: A unified prespective
- What are diffusion models?
- Genenrative modeling by estimating gradients of the data distribution
高阶随机游走
这部分在文中进行了文献罗列。
Example of random walk on hypergraphs. (A) A hypergraph with m = 7 hyperedges of size k = 2 and one hyperedge of size k = 6, and (B) its corresponding projected network. © Probability of finding the walker on node h (circles) and c (squares) for a random walk on the hypergraph (red) and on the projected network (green), and for different size m of the hub.
J.J. Torres, G. Bianconi, Simplicial complexes: Higher-order spectral dimension and dynamics, J. Phys.: Complex. 1 (2020) 015002. ↩︎