En una red, elementos individuales o nodos, se conectan entre sí. Esos contactos pueden representar un sistema más amplio con numerosos enlaces individuales. Un hipergrafo es profundo: proporciona a los investigadores un método de modelos de sistemas complejos y dinámicos donde tres o más personas, o incluso en grupos de individuos, pueden desempeñar un papel importante. En lugar de los bordes del par de nodos de nodos, se basa en hipereges que se conectan Calificaciones Los hipergrafios de los nodos pueden representar conversaciones de alto orden que representan comportamientos colectivos como multitudes en peces, aves o moscas o procesos en el cerebro.
Los científicos generalmente usan un modelo de hipergrafio para predecir el comportamiento dinámico. Pero el problema opuesto también es interesante. ¿Qué pasará si los investigadores pueden observar la dinámica pero no tienen acceso a un modelo confiable? La complejidad del SFI es la respuesta al colega de Post Document Yuanzhou Zhang.
En un artículo publicado en Comunicación de la naturaleza, Zhang y sus colegas explican un algoritmo novedoso que solo puede estimar la estructura del hipergrafo utilizando la dinámica observada.
Su algoritmo usa los datos de la serie temporal. Zhang dice que se puede aplicar a cualquier DataState que tenga alguna estructura matemática básica. Los datos de la serie temporal son útiles para la propagación de la enfermedad o el estudio de mercados financieros, sistemas biológicos y muchas otras afecciones.
En particular, el punto solo se requiere para los datos. ¿Cómo se necesita tratarse con el sistema o con nodos individuales? “Este es el beneficio básico”, dice Zhang. “Esto abre muchas posibilidades, y puede aplicarlo a los sistemas para los que no conoce la dinámica básica”.
Se refiere al trabajo mental, por ejemplo. Los investigadores pueden recopilar datos de la serie de tiempo observacional, pero no tienen un buen modelo de cómo todo encaja. “Obviamente no podemos cortar nuestro cerebro y ver lo que realmente está sucediendo”. “Pero podemos aprender algo mirando los datos de la grabación mental”.
En la nueva disertación, Zhang y sus colegas confirmaron su punto de vista al examinar los datos de la serie temporal, asegurándose de que desarrollara una infraestructura bien conocida. Posteriormente, lo aplicó a los datos Electoracinfalamigram (EEG) recopilados de más de 100 sujetos humanos. Un EEG mide la actividad eléctrica en diferentes áreas del cerebro con el tiempo, que se recolecta a través de sensores atrapados en el cráneo de una persona. Como resultado, el informe parece una serie de olas.
Los contactos más conocidos en el cerebro son como una pareja, que conectan la región de un cerebro con otro. Sin embargo, utilizando su nuevo algoritmo, Zhang y sus colegas detectaron un modelo de hipergrafio que incautó con precisión los contactos entre tres o más regiones en los datos del EEG. Sugiere que la interacción de alto orden juega un papel importante e incómodo en la formación de muestras de macroscopios de actividad mental.
Los investigadores utilizaron sus modelos para identificar un tipo de diálogo continuo entre las áreas del cerebro. Zhang dice: “Lo realmente interesante es que las seis hipótesis prominentes más importantes apuntaban a la corteza prefrontal, conocida como uno de los centros de procesamiento de información en el cerebro”. El trabajo actual puede estimar el modelo de unos pocos cientos de nodos. En el futuro, espera medir grandes redes.
