Hálózatok a fizikában és a fizika oktatásában

Slides:



Advertisements
Hasonló előadás
A Dijkstra algoritmus.
Advertisements

Készítette: Kosztyán Zsolt Tibor
KÉSZÍTETTE: Takács Sándor
Tanárok kis világa Lehetőségek a tanári hálózatok kutatásában.
Nemlineáris és komplex rendszerek viselkedése
Kultúra mint kapcsolat Birher Nándor. „A tudás a világ alkotóelemeiről szerzett ismeret, a bölcsesség az elemek kapcsolódásának ismerete.” -szemléletmódváltozás-
Gigamikroszkópok Eszközök az anyag legkisebb alkotórészeinek megismeréshez Trócsányi Zoltán.
Készítette: Tóth Enikő 11.A
Készítette: Major Máté
Digitális képanalízis
Előadó: Szabó Márton (iwiw) Katalógus → házi feladatnak beszámít
Az Univerzum térképe - ELTE 2001
Címkézett hálózatok modellezése
Közösségek szünbiológiája 3. Táplálkozási hálózatok
Hálózati Biológia A sejt funkcionális működésének megértése.
ELTE Matematikai Intézet
Véletlen logikai hálózatok. Bevezető Logikai változó: Bináris változó. Két lehetséges értéke van: 0 és 1, néha ±1 {σ 1, σ 2,..., σ N }, σ i : {0,1}, i.
Statisztika Érettségi feladatok
Dr. Szalka Éva, Ph.D.1 Statisztika II. IX.. Dr. Szalka Éva, Ph.D.2 Idősorok elemzése.
Miskolci Egyetem Informatikai Intézet Általános Informatikai Tanszé k Pance Miklós Adatstruktúrák, algoritmusok előadásvázlat Miskolc, 2004 Technikai közreműködő:
BENKŐ PÉTER VANNAK-E KULTURÁLIS RÉGIÓINK?. -A méréseknél a KSH jelentéseit vesszük alapul. -Lehetséges mutatók: -a mezorégiók különböző fokú iskoláin.
Régióközi tudáshálózatok minőségének hatása a kutatási teljesítményre Sebestyén Tamás és Varga Attila.
Nemzetközi kutatási együttműködések és regionális innováció: A gazdasági fejlettség szerepe Varga Attila és Sebestyén Tamás PTE KTK és MTA-PTE Innováció.
Új megközelítés - Anyaklubok Magyarországon Jónás Jánosné Szarvasi Fiatalok a Holnapért Egyesület április 3.
Fehérjehálózat “skálafüggetlen” Jeong et al, Nature (2001)
Gráfok Készítette: Dr. Ábrahám István.
HÁLÓZATI TANULÁS Megújuló pedagógia: hálózati együttműködés Észak-Magyarországon TÁMOP nyitókonferencia EGER, szeptember 3.
Dijkstra-algoritmus ismertetése
Pénzügyi-gazdasági ismereteket oktató iskolák hálózatának kialakítása.
Adatbányászati módszerek a térinformatikában
Többváltozós adatelemzés
Alapfogalmak.
GRÁFELMÉLET.
Önkéntesség az Észak-Magyarországi Régióban. A Demokratikus Ifjúságért Alapítvány (DIA) története A Demokratikus Ifjúságért Alapítványt 1999-ben hozta.
Hálózatok modellezése. Hálózatok Many complex systems in nature and society can be successfully represented in terms of networks capturing the intricate.
A Dijkstra algoritmus.
Nanocsövek állapotsűrűségének kísérleti vizsgálata Veres Miklós MTA SZFKI
Társadalmi hálózatok és modelljeik…
Társadalmi hálózatok és modelljeik…
Kis és nagy iskolák HÉTFA Kutatóintézet és Elemző Központ
Gráfok 1. Szlávi Péter ELTE IK Média- és Oktatásinformatika Tanszék
A Van der Waals-gáz molekuláris dinamikai modellezése Készítette: Kómár Péter Témavezető: Dr. Tichy Géza TDK konferencia
MI 2003/ Mi lenne a b legjobb választása? Statisztikai eljárásoknál az un. Fisher féle lineáris diszkriminancia függvény adja a legjobb szétválasztási.
Dijkstra-algoritmus. A Dijkstra-algoritmus egy mohó algoritmus, amivel irányított gráfokban lehet megkeresni a legrövidebb utakat egy adott csúcspontból.
Hálózatok szerkezete és dinamikája
Válság Kényszer és lehetőség. A magyar gazdaság örökölt hátrányai.
Business Mathematics A legrövidebb út.
GRÁFOK Definíció: Gráfnak nevezzük véges vagy megszámlálhatóan végtelen sok pont és azokat összekötő szintén véges vagy megszámlálhatóan végtelen sok.
Valószínűségszámítás II.
Útkeresések.
HÁLÓZATTÍPUSOK központosított decentralizált elosztott
Címlap Betekintés a valószínűségszámításba Keszei Ernő ELTE Fizikai Kémiai Tanszék
Gráf szélességi bejárása. A szélességi bejárás elmélete Célja egy véges gráf összes csúcsának bejárása a kezdőcsúcstól való távolságuk szerinti növekvő.
Fehérjehálózat “skálafüggetlen” Jeong et al, Nature (2001)
Nagyon nagy gráfok Lovász László Microsoft Research
Hálózatok: új nyelv a tudományban Lovász László Eötvös Loránd Tudományegyetem
Hálózatok és hatlépésnyi távolság
GRÁFOK Marczis Ádám és Tábori Ármin. Kőnig Dénes ( ) Magyar matematikus Az első tudományos színvonalú gráfelmélet könyv írója.
1 / 28 High Speed Networks Laboratory Összefoglalás és gyakorlás.
Kontinuum modellek 1.  Bevezetés a kontinuum modellekbe  Numerikus számolás alapjai.
4-7. Előadás Véletlen gráfok, hálózatmodellek
Kapcsolati hálók és internetes közösségi rendszerek
Kapcsolati hálók és internetes közösségi rendszerek
PRIMUS INTER PARES (pipa)
Balázsi Ildikó Oktatási Hivatal
Hálózatok Robusztussága
Dijkstra algoritmusa: legrövidebb utak
Dijkstra algoritmusa: legrövidebb utak
Dijkstra algoritmusa: legrövidebb utak
Előadás másolata:

Hálózatok a fizikában és a fizika oktatásában Farkas Illés MTA-ELTE Statisztikus és Biológiai Fizika kutatócsoport Békéscsaba, 08. márc. 29.

Érdekes példák Bevezetés komplex rendszerek: fizika és fizikusok a biológiában, pénzügyekben, Internet forgalom elemzésében, szervezetfejlesztésben, … alkotóelemek – komplex rendszerek – hálózatok – modulok kísérletek (megfigyelések), modellezés, … Megfigyelések hálózatokban gyakran sok résztvevő, mégis rövid utak szomszédaim gyakran ismerik egymást néhány résztvevőnek kiugróan sok kapcsolata van Modellek Erdős-Rényi Kis világ Skálafüggetlen Érdekes példák

Komplex rendszer A teljes rendszer mérhető tulajdonságait leíró szabályok minőségileg eltérnek a rendszer alkotóelemeit leíró szabályoktól. Példák Betű  szó  mondat  bekezdés  fejezet  könyv Tanuló  csoport  osztály  iskola Atom  molekula  sejt  szövet  szervezet  …  társadalom

Komplex rendszer A teljes rendszer mérhető tulajdonságait leíró szabályok minőségileg eltérnek a rendszer alkotóelemeit leíró szabályoktól. Példák Betű  szó  mondat  bekezdés  fejezet  könyv Tanuló  csoport  osztály  iskola Atom  molekula  sejt  szövet  szervezet  …  társadalom Csoportok, hierarchia * Tartalmazási * Alárendelési Dékán Intézetvezetők Tanszékvezetők

Komplex rendszer A teljes rendszer mérhető tulajdonságait leíró szabályok minőségileg eltérnek a rendszer alkotóelemeit leíró szabályoktól. Példák Betű  szó  mondat  bekezdés  fejezet  könyv Tanuló  csoport  osztály  iskola Atom  molekula  sejt  szövet  szervezet  …  társadalom Csoportok, hierarchia * Tartalmazási * Alárendelési Dékán Doktori Iskola vezetője Intézetvezetők Tanszékvezetők

Utak részletes térképe Hálózatok (gráfok) A komplex rendszerek vizsgálatára gyakran használt eszköz: . Rendszer alkotóeleme – hálózat pontja . Két elem (résztvevő) között kapcsolat v. hasonlóság – két pont összekötése a hálózatban Előny: . Szerkezetet jól megőrzi: csoportok (csoportosulások, modulok, klaszterek), hierarchikus szerveződés Megjegyzés: . Hálózatban általában nincsen tér (koordináták) Utak részletes térképe Hálózat csúcspontok: utak élek: kereszteződések Csúcs csoportok a hálózatban Települések Megyék (régiók) Országok Kontinensek

Hálózatok (gráfok) Ci = 1 / 3 N, E csúcsok és élek száma szomszédok közötti élek száma Ci = 1 / 3 Klaszterezettség (egy csúcspont) szomszéd csúcs N, E csúcsok és élek száma ki i. csúcs fokszáma, átlagos érték: <k> L átlagos legrövidebb úthossz Ci i. csúcs klaszterezettsége C átlagos csomósodás (clustering) Két pont közötti távolság: A legkisebb számú él, amelyet a hálózatból fel kell használnunk ahhoz, hogy a két pontot összekössük. (legrövidebb összekötő útvonal hossza) A B d A B = 2 hurok fa

Megfigyelések hálózatokban gyakran sok résztvevő, mégis rövid utak szomszédaim gyakran ismerik egymást néhány résztvevőnek kiugróan sok kapcsolata van

Megfigyelés: kis távolságok (kis világ) Definició, hálózaton két pont közötti távolság: A legkisebb számú él, amelyet a hálózatból fel kell használnunk ahhoz, hogy a két pontot összekössük. (legrövidebb összekötő útvonal hossza) B A d A B = 2

Megfigyelés: kis távolságok (kis világ) Definíció, hálózaton két pont közötti távolság: A legkisebb számú él, amelyet a hálózatból fel kell használnunk ahhoz, hogy a két pontot összekössük. (legrövidebb összekötő útvonal hossza) B A d A B = 2 Karinthy (1929), Minden másképpen van (Láncszemek) Tessék egy akármilyen meghatározható egyént kijelölni a Föld másfél milliárd lakója közül, bármelyik pontján a Földnek -- ő fogadást ajánl, hogy legföljebb öt, más egyénen keresztül, kik közül az egyik neki személyes ismerőse, kapcsolatot tud létesíteni az illetővel, csupa személyes ismeretség alapon. Stanley Milgram kísérlete (1967): levelezőlapok továbbítása Kiindulás: Omaha, Célpont: Boston Továbbítás csak közvetlen ismeretségeken keresztül Eredmény: célba ért képeslapok átlagos lépésszáma: 5.5  “hat lépésnyi világ”

Megfigyelés: kis távolságok (kis világ) Definíció: Kis világ tulajdonság (N csúcspont) a legrövidebb utak hossza N helyett log N-nel arányos Lánc: N ~ L Példák „rövidzárak” okozhatnak rövid utakat !! teljesen véletlenszerű hálózat (Erdős-Rényi)

Megfigyelés: kis távolságok (kis világ) Definíció: Kis világ tulajdonság (N csúcspont) a legrövidebb utak hossza N helyett log N-nel arányos Lánc: N ~ L Példák „rövidzárak” okozhatnak rövid utakat !! teljesen véletlenszerű hálózat (Erdős-Rényi) N <k> L 225 226 61 3.65 4 941 2.67 18.7 282 14 2.65 Filmszínészek hálózata Erősáramú rendszer C. elegans idegsejtek Watts, Strogatz, 1998, Science

Megfigyelés: kis távolságok (kis világ) Definíció: Kis világ tulajdonság (N csúcspont) a legrövidebb utak hossza N helyett log N-nel arányos Lánc: N ~ L Példák „rövidzárak” okozhatnak rövid utakat !! teljesen véletlenszerű hálózat (Erdős-Rényi) WWW részhalmazok Barabási, Albert, 1999, Science mérés N = 325,729 (nd.edu) : L = 11.2, illesztés mérési pontokra L = 0.35 + 2.06 log N jóslat teljes www-re N ≈ 8*108 (1999-ben)  L ≈ 19 N <k> L 225 226 61 3.65 4 941 2.67 18.7 282 14 2.65 Filmszínészek hálózata Erősáramú rendszer C. elegans idegsejtek Watts, Strogatz, 1998, Science

Megfigyelés: hálózati szomszédaim ismerik egymást (magas klaszterezettség) Mark Granovetter (1973) Sűrű csoportok között gyenge kapcsolatok  magas C és alacsony L

Megfigyelés: hálózati szomszédaim ismerik egymást (magas klaszterezettség) Mark Granovetter (1973) Sűrű csoportok között gyenge kapcsolatok  magas C és alacsony L Példa hálózat és kérdések (szociometria): Csúcspontok: diákok Élek: A és B tudják egymás testvéreinek nevét, ha túl sűrű (ritka) a hálózat, módosított kérdés (pl. iwiw-en bejelölték egymást) Kérdések: N, E  betöltési valószínűség (hálózat sűrűsége), p = 2 E / [ N ( N – 1 ) ] Ci mekkora a mérésből és mekkora lenne véletlenszerű esetben [ iwiw Bp (N=850k, E=110M), Sopron (N=27k, E=4.1M), Szarvas (N=5.5k, E=840k) ]

Megfigyelés: hálózati szomszédaim ismerik egymást (magas klaszterezettség) Mark Granovetter (1973) Sűrű csoportok között gyenge kapcsolatok  magas C és alacsony L N <k> L mért, rnd C mért, rnd Filmszínészek hálózata 225 226 61 3.65 2.99 0.79 0.00027 Erősáramú rendszer 4 941 2.67 18.7 12.4 0.080 0.005 C. elegans idegsejtek 282 14 2.65 2.25 0.28 0.05 Watts, Strogatz, 1998, Science

Megfigyelés: kiugróan magas fokszámok (hatványfüggvény szerinti fokszám eloszlás) Definíció: csúcs fokszáma Megjegyzés: melyik pontokon át vezet sok legrövidebb útvonal… Példa hálózatok log p(k) Hatványfüggvény (az eloszlás vége hosszú) Nincsen karaketerisztikus fokszám p(k) k <k> Gyorsan lecsengő eloszlás Van jellemző fokszám Fokszám eloszlás log k

Modellek Erdős-Rényi gráf Kis világ modell Skálafüggetlen modell

Erdős-Rényi modell P. Erdős, A. Rényi, Publ. Math. 6, 290-297 (1959) bármely két csúcs összekötése p=const. valószínűséggel Fokszám eloszlás: binomiális … Poisson

Kis világ modell (small world) D. J. Watts, S. H Kis világ modell (small world) D. J. Watts, S. H. Strogatz, Nature 393, 440-442 (1998) kiindulás: reguláris (szabályos) gráf az élek p részének véletlen átkötése közepes p értékek esetén: magas C, alacsony L a fokszám-eloszlás lecsengése exponenciális

Kis világ modell (small world) D. J. Watts, S. H Kis világ modell (small world) D. J. Watts, S. H. Strogatz, Nature 393, 440-442 (1998) Megjegyzések: 1) a kis világ hálózat szerkezete rács (szabályos rész)  magas klaszterezettség véletlen komponens (E-R)  „rövidzárak” miatt rövid utak 2) Nagy fokszámok valószínűsége: exponenciálisan kicsi

a fokszám eloszlás hatványfüggvény szerint csökken Skálafüggetlen modell A.-L. Barabási, R. Albert, Science 286, 509-512 (1999) a fokszám eloszlás hatványfüggvény szerint csökken www erősáramú hálózat színészek Növekedés Új csúcspont választ a régiek közül: fokszám szerint lineárisan növekedő eséllyel

Érdekes példák Bevezetés komplex rendszerek: fizika és fizikusok a biológiában, pénzügyekben, Internet forgalom elemzésében, szervezetfejlesztésben, … alkotóelemek – komplex rendszerek – hálózatok – modulok kísérletek (megfigyelések), modellezés, … Megfigyelések hálózatokban gyakran sok résztvevő, mégis rövid utak szomszédaim gyakran ismerik egymást néhány résztvevőnek kiugróan sok kapcsolata van Modellek Erdős-Rényi Kis világ Skálafüggetlen Érdekes példák

További példák Egymás után csúcsok törlése  átlagos úthossz változik Ha a nagy fokszámú csúcsoktól indulunk, akkor L gyorsan nő. Jeong et.al. (2001) f Albert et.al. (2000) Sarjadzó élesztő (S. cerevisiae) fehérje-fehérje kölcsönhatási hálózatában nagy fokszámú csúcsok 3x nagyobb eséllyel esszenciálisak

Köszönöm a figyelmet ! http://www.CFinder.org Fizikai szemle, 2007/06 Mindentudás az iskolában: Hálózatok mindenütt. http://www.CFinder.org