Ученые открыли способ эффективного управления сложными сетевыми структурами

❋ 4.8

Сложные сети, состоящие из множества взаимодействующих элементов, лежат в основе работы мозга, социальных сообществ и многих технологических систем. Одно из самых необычных и трудноуловимых феноменов в таких сетях — химерное состояние. Это режим, при котором в одной системе одновременно сосуществуют порядок и хаос, т.е. часть элементов ведет себя синхронно, а другая часть остается в состоянии десинхронизации. Исследователи Научно-исследовательского института прикладного искусственного интеллекта и цифровых решений РЭУ имени Г.В. Плеханова в сотрудничестве с зарубежными коллегами из Индийского статистического института предложили новый подход к контролю над сложными динамическими системами.

РЭУ имени Г. В. Плеханова

# динамические сети

# искусственный интеллект

# компьютерное моделирование

# нейросети

# осциллятор

# сетевые структуры

# сети

# сложные системы

Схема сети с адаптивными связями высоких порядков / © Пресс-служба РЭУ им. Г.В. Плеханова

Коллектив Научно-исследовательского института прикладного искусственного интеллекта и цифровых решений РЭУ имени Г.В. Плеханова под руководством директора Центра, члена-корреспондента РАН Александра Храмова доказал теоретически и экспериментально, что этими состояниями можно эффективно управлять, используя адаптивные связи высоких порядков. В отличие от традиционных моделей, где учитываются только попарные взаимодействия, связи высоких порядков описывают групповое влияние, когда на элемент сети одновременно воздействуют три и более других элемента. Именно такие взаимодействия часто встречаются в реальности — от принятия групповых решений в социуме до кооперативных процессов в биологических нейронных ансамблях. Результаты работы, посвященной управлению химерными (неоднородными) состояниями в сетях с адаптивными связями высоких порядков, опубликованы в международном научном журнале Chaos. An Interdisciplinary Journal of Nonlinear Science.

Адаптивность означает, что сила связей в сети может динамически меняться в зависимости от текущего состояния всей системы. Это приближает модель к реальным биологическим и технологическим процессам.

Проведя масштабное компьютерное моделирование сети осцилляторов (индикаторов) Курамото (математической модели, которая описывает поведение большого набора связанных осцилляторов), исследователи выявили, что адаптация связей позволяет гибко переключать режимы работы сети:

Индуцировать химерное состояние из полностью синхронного.
Полностью синхронизировать сеть, подавив химерное состояние.
Формировать устойчивые двухкластерные режимы с противофазной синхронизацией.

Особенно перспективной для практического применения оказалась архитектура сети типа «мир тесен» (small-world), в которой химерные состояния наблюдаются в более широком диапазоне параметров, что повышает устойчивость управления.

Фундаментальное открытие открывает пути к созданию новых технологий в различных областях:

Нейротехнологии: понимание механизмов контроля синхронизации может помочь в разработке методов лечения нейродегенеративных заболеваний и эпилепсии;
Искусственный интеллект: принципы адаптивных сетей могут быть использованы для создания новых архитектур нейросетей и более эффективных систем резервуарных вычислений;
Киберфизические системы: полученные результаты могут быть применены для повышения отказоустойчивости и гибкого управления в распределенных системах, таких как «умные» города, роевой интеллект или сети датчиков.

«Мы продемонстрировали, что адаптация связей высоких порядков служит мощным инструментом для целенаправленного конструирования динамических режимов в сложных сетях. Это открывает возможность не просто предсказывать, а активно формировать коллективное поведение сложных многокомпонентных систем», — отмечает один из авторов работы, ведущий научный сотрудник Научно-исследовательского института прикладного искусственного интеллекта и цифровых решений РЭУ имени Г.В. Плеханова Андрей Андреев.

Нашли опечатку? Выделите фрагмент и нажмите Ctrl + Enter.

Миссия РЭУ имени Г.В. Плеханова – содействие устойчивому социально-экономическому развитию России за счет формирования человеческого и интеллектуального капитала. Обучение осуществляется по всему спектру образовательных программ: от среднего общего образования до подготовки аспирантов и докторантов. Кроме головного вуза в Москве, в образовательную сеть РЭУ входят 16 филиалов, в том числе 5 за рубежом. В Плехановском университете обучается свыше 50 000 студентов и 780 аспирантов, работает 2 500 преподавателей. Привлечение высококвалифицированного профессорско-преподавательского состава, разработка и внедрение инновационных образовательных программ, включая программы двойного и тройного диплома с ведущими зарубежными университетами, и использование современных образовательных технологий обеспечивают подготовку высококвалифицированных специалистов, востребованных профессиональным сообществом в России и мире.