Татаал тармактагы диффузия — тармактагы абал, маалымат, таасир же бузулуу сыяктуу процесстин түйүндөр жана байланыштар аркылуу жайылышын изилдеген тармак илиминин маселеси. Бул изилдөө тармак геометриясы менен топологиясы диффузиянын ылдамдыгын кантип өзгөртөрүн Kertész Threshold (KT) модели, Susceptible-Infected (SI) модели, Stochastic Block Model симуляциялары, төрт түйүндүү network motifтери жана Bayesian Markov Chain Monte Carlo (MCMC) чыгарымы аркылуу изилдейт. Синтетикалык Erdős–Rényi, Geometric Random Graph жана Delaunay Triangulation тармактары менен катар Ethereum эсеп–транзакция тармагы жана Италия, Франция жана Германиянын электр өткөрүү тармактары каралган. Изилдөөнүн негизги жыйынтыгы — жайылуу жүрүм-туруму тармактагы түйүндөр менен кырлардын санына гана эмес; hub түзүлүшүнө, борбордуулук өлчөмдөрүнө, жергиликтүү motif геометриясына жана байланыштардагы кошумча ковариаттарга жараша олуттуу өзгөрөт. Бирок изилдөөдөгү “infection” жана “failure” терминдери негизинен модель абалдарын билдирет; алар реалдуу Ethereum эсептеринин же реалдуу электр станцияларынын байкалган тарыхый бузулууларын билдирбейт.
Синтетикалык тармак симуляцияларында үч тармак түрү болжол менен бирдей кыр тыгыздыгында салыштырылган. Ар бир тармак түрүндө 300 түйүн колдонулган; Erdős–Rényi модели үчүн байланыш ыктымалдыгы 0.02, Geometric Random Graph үчүн байланыш радиусу 0.08 тандалып, Delaunay тармагы 300 кокустук чекиттен түзүлгөн. Ар бир тармак түрү үчүн 1.000 көз карандысыз үлгү түзүлүп, KT модели колдонулган. Булактын жыйынтыктарына ылайык, Delaunay Triangulation тармактарында диффузия эң тез, Geometric Random Graph тармактарында эң жай жүргөн. Бул салыштыруу белгилүү параметрлердеги симуляция жыйынтыгы; бардык Delaunay же геометриялык тармактар бардык шартта ушундай эле иретти көрсөтөт дегенди билдирбейт.
Төрт түйүндүү motif экспериментинде Stochastic Block Model тармактары колдонулган. M1 жылдыз motifинин диффузия ылдамдыгы менен орточо корреляциясы 0.9447, M2 сызык/path motifиники 0.8345, ал эми M3түкү 0.4776 деп билдирилген. Бул жыйынтык motif концентрациясы менен диффузия ылдамдыгынын ортосунда күчтүү байланыш болушу мүмкүн экенин көрсөтөт; бирок корреляциянын өзү белгилүү motif жайылууну себептик түрдө тездетерин далилдебейт.
Ethereum талдоосу 10,000,000 менен 10,001,000 блокторунун ортосундагы traces маалыматтарынан жана 2020-жылдын 4-майындагы 14:48:40–14:58:40 UTC аралыктагы чыпкаланган транзакциялардан түзүлгөн эсеп–транзакция тармагына негизделет. Ири компонент 627 түйүн жана 666 кырдан турган. KT моделинде баштапкы түйүндөрдү кокус тандоо жогорку degree же betweenness centrality түйүндөрүн бутага алууга караганда моделдин жайыраак таралышына алып келген; үч сценарийдин айырмасы үчүн k-sample Anderson–Darling тести \(p<0.001\) деп билдирилген.
Bayesian SI моделинде Ethereum үчүн normalized degree centrality, betweenness centrality, clustering coefficient жана нормалдаштырылган transaction value моделге ковариат катары киргизилген. Булак clustering coefficient үчүн posterior орточо коэффициентти 4.5457, degree centrality үчүн 1.9022 жана betweenness centrality үчүн 1.0475 деп берет. Бирок clustering coefficientтин %95 credible interval аралыгы 0.0034–9.7166 сыяктуу өтө кең. Мындан тышкары, Ethereum үчүн жазылган \(\alpha\sim U(1,2)\) prior менен \(\alpha=0.0616\) posterior орточо математикалык жактан шайкеш келбегендиктен, бул параметр боюнча булактагы жазууну этият чечмелөө керек.
Электр инфраструктурасы бөлүмүндө Италия, Германия жана Франциянын өткөрүү тармактары салыштырылган. KT моделинде алгач Италия тезирээк жайылууну көрсөтсө, Франция алгачкы 75 timestep ичинде infected түйүндөрдүн төмөнүрөөк үлүшүн көрсөткөн; 75 timestepден кийин Италиядагы жайылуу жайлап, узак мөөнөттө Италия жайыраак бойдон калган. Булак боюнча үч электр тармагынын диффузия көрсөткүчтөрүнүн айырмасы degree-борборлуу да, betweenness-борборлуу да баштапкы сценарийлерде \(p<0.001\).
Татаал тармак деген эмне?
Изилдөө татаал тармакты:
түрүндө аныктайт. \(V\) — түйүндөрдүн жыйындысы, \(E\) — түйүндөрдүн ортосундагы кырлар, ал эми \(\omega\) — кырлардын салмагын көрсөткөн функция. Транзакция тармагын карасак, түйүн эсеп болушу мүмкүн, кыр — эки эсептин ортосундагы транзакциялык байланыш, ал эми кырдын салмагы — транзакциянын көлөмү. Электр тармагында болсо түйүн электр станциясы же көмөкчордон, кыр — физикалык өткөрүү линиясы.
Тармактын adjacency matrixи \(A\) кайсы түйүндөр бири-бири менен байланышканын матрица түрүндө көрсөтөт. Салмактуу тармакта:
Булак айрым талдоолордо салмактар эске алынбаган unweighted тармак көрүнүшүн да колдонот; мындай учурда байланыш болсо маани 1, болбосо 0.
Degree, орточо жол узундугу жана diameter
Түйүндүн degree мааниси — ошол түйүнгө байланышкан кырлардын саны:
Degree centrality жогору түйүн түздөн-түз көп сандагы башка түйүндөр менен байланышат. Мындай түйүн диффузиянын баштапкы чекити катары тандалса, абал кыска убакытта көп кошунага жетиши мүмкүн.
Эки түйүндүн ортосундагы эң кыска жолдун узундугу \(\ell_{ij}\) болсо, булак орточо жол узундугун:
түрүндө берет. Diameter болсо тармактагы бардык эң кыска жолдордун эң чоңу:
Орточо жол узундугу тармак ичинде адатта канча байланыш аркылуу өтүлөрүн; diameter болсо топологиялык жактан бири-биринен эң алыс эки чекиттин ортосундагы эң кыска жолдун узундугун жыйынтыктайт.
Betweenness centrality жана clustering coefficient
Betweenness centrality түйүндүн башка түйүн жуптарынын ортосундагы эң кыска жолдордо канчалык ортомчулук кыларын өлчөйт. Түздөн-түз көп кошунасы жок түйүн да эки чоң тармак бөлүгүнүн ортосунда көпүрө болуп турса, жогорку betweenness мааниге ээ болушу мүмкүн.
Clustering coefficient болсо түйүндүн кошуналары өз ара да байланышууга канчалык ыктаарын билдирет. Жогорку маани жергиликтүү деңгээлде тыгызыраак үч бурчтук же жабык байланыш түзүлүштөрүнүн бар экенин көрсөтөт.
Бул Изилдөөдөгү “Инфекция” Чыныгы Оорубу же Чыныгы Бузулуубу?
Жок. “Infection”, “adoption” жана айрым бөлүмдөрдөгү “failure” — изилдөөнүн тармактык жайылуу моделдеринде колдонулган абал өзгөрмөлөрү; бул Ethereum эсебинин чындап басып алынышын, электр станциясынын иш жүзүндө бузулушун же реалдуу эпидемия байкоосун билдирбейт. Реалдуу тармак топологиялары моделге киргизме катары колдонулушу мүмкүн, бирок KT жана SI абал өтүүлөрү моделденген жайылуу процесстери.
Kertész Threshold модели
Kertész Threshold (KT) модели Watts threshold моделинин үч абалдуу кеңейтүүсү катары колдонулат. Булактагы көрсөтүүдө түйүндөр:
- Susceptible (S): Азырынча жайылуу абалына өтө элек түйүн,
- Adoption/Infected (A/I): Жайылуу абалына өткөн түйүн,
- Blocked (B): Тышкы таасирден таасирленбеген жана абалын өзгөртпөгөн түйүн
катары каралат.
Түйүндүн infected кошуналарынын үлүшү белгилүү threshold \(\tau\) дан ашканда түйүн жаңы абалга өтүшү мүмкүн. Мындан тышкары \(\delta\) spontaneous adopter rate кошуналардан көз карандысыз тышкы/спонтандык өтүүнү көрсөтүү үчүн моделге киргизилген.
Булактын Appendix A pseudocodeунда кошуна инфекция үлүшү:
түрүндө эсептелет.
Булак ичиндеги алгоритмдик шайкешсиздик: Булак pseudocode андан кийин:
шартын жазат. \(r_v\) 0–1 аралыгындагы uniform random сан жана \(\delta=0.001\) болсо, бул жазылган шарт спонтандык өтүүнү өтө жогорку ыктымалдыкка алып келет. Бул макалада \(\delta\) өтө кичине adopter rate катары түшүндүрүлүшү жана көрсөтүлгөн диффузия ийри сызыктары менен шайкеш келбейт. Verianla булакта кайсы белги ката экенин божомолдоп pseudocodeду өзгөртпөйт.
Kertész Threshold Модели менен SI Моделинин Негизги Айырмасы Эмне?
KT модели негизинен кошуналардын infected үлүшү, threshold жана blocked/spontaneous абалдары аркылуу дискреттик timestepтерде каскад түзөт; SI модели болсо түйүндөрдүн susceptible абалдан infected абалга өтүү ылдамдыгын continuous-time Poisson процесси жана ковариаттарга көз каранды hazard/transition rate менен моделдейт жана параметрлерин Bayesian MCMC аркылуу баалайт.
KT моделиндеги эки негизги диффузия метрикасы
Биринчи метрика — каалаган \(t\) убактагы infected түйүндөрдүн үлүшү:
\(N_{\text{infected}}(t)\) — timestep \(t\) де модель абалында infected деп эсептелген түйүндөрдүн саны; \(N_{\text{total}}\) — жалпы түйүндөрдүн саны. Натыйжа 0 менен 1дин ортосундагы үлүш.
Экинчи метрика — орточо диффузия ылдамдыгы:
\(\eta(0)\) баштапкы infected үлүштү, \(\eta(s)\) steady-state infected үлүштү, \(t_s\) болсо ушул steady stateке жетүү үчүн керек болгон timestep санын көрсөтөт. Булак бардык ушул эксперименттерде \(\eta(s)=0.95\) колдонот; мунун себеби blocked түйүндөрдүн үлүшү %5 болуп, моделде калган түйүндөрдүн акырында infected деп эсептелишинде.
Network motif деген эмне?
Network motif — чоңураак тармактын ичинде кайталануучу кичине байланышкан ички тармак геометриясы. Degree сыяктуу өлчөм бир түйүндүн байланыштарынын санына караса, motif бир нече түйүн бирге түзгөн жергиликтүү геометриялык тартипти изилдейт.
Булак төрт түйүндүү алты connected motifти аныктайт. Төмөнкү чийме бул математикалык байланыш түзүлүштөрүн Verianla үчүн көз карандысыз түрдө кайра көрсөтөт:
Motif концентрациясы
Motif түрү \(i\) нин тармактагы концентрациясы:
түрүндө аныкталат. \(N_i\) — белгилүү motif түрүнүн саны, ал эми бөлчөктүн ылдыйкы бөлүгүндөгү сумма — бааланган бардык \(n\)-түйүндүү motifтердин жалпы саны.
Булак motifтерди саноо үчүн атайын edge-disjoint motif detection алгоритмин колдонот. Төрт түйүндүү талапкер ички графтар Weisfeiler–Lehman (WL) hashing аркылуу структуралык кол тамгага айландырылып, алты canonical template менен салыштырылат. Ички графтын бир кыры мурда саналып бүткөн motifте колдонулган болсо, кайра саналбайт. Ошентип бир эле кыр бир нече motif мисалына салым кошпойт.
Motif Корреляциялары Себептүүлүктү Көрсөтөбү?
Жок. Изилдөөдө motif концентрациясы менен орточо диффузия ылдамдыгынын ортосунда корреляция эсептелген; жогорку оң корреляция белгилүү motif көп болгон симуляцияларда ылдамыраак жайылуу кошо байкалганын көрсөтөт. Корреляциянын өзү motifтин башка бардык топологиялык касиеттерден көз карандысыз себептик таасирин бөлүп көрсөтпөйт.
SI модели
Susceptible-Infected (SI) моделинде түйүндөр эки абалдын биринде болот: susceptible же infected. Булак бул моделди continuous-time Poisson process алкагында курат. Susceptible түйүн \(i\) нин \(t\) учурдагы infection transition rate мааниси:
Бул формула төрт бөлүктү бириктирет:
- \(\psi_S(i)\): susceptible түйүн \(i\) нин сезгичтиги,
- \(\psi_T(j)\): infected түйүн \(j\) нин transmissibility мааниси,
- \(\kappa(i,j)\): \(i\) менен \(j\) ортосундагы байланыш/аралык/жалпы тобокелдик түзүлүшүн көрсөткөн kernel,
- \(\epsilon(i)\): байкалган тармактан тышкаркы түшүндүрүлбөгөн булактардан келиши мүмкүн болгон кошумча “spark” тобокелдиги.
\(\lambda_{SI}\) — абал өтүү интенсивдүүлүгү. Жогорураак маани модель шартында susceptible түйүн infected абалга тезирээк өтөрүн билдирет; бул түздөн-түз физикалык бузулуу пайызы эмес.
Susceptibility функциясы
\(X_k(i)\) — susceptible түйүнгө тиешелүү ковариаттар; \(\omega_k\) — алардын susceptibilityге таасир этүүчү коэффициенттери.
Transmissibility функциясы
Бул функция infected түйүндүн структуралык өзгөчөлүктөрү моделдеги өткөрүү/жайылтуу мүмкүнчүлүгүнө кантип кирерин көрсөтөт.
Байланыш kernel-и
\(d_{ij}\) — эки түйүндүн ортосундагы аралык. \(\alpha\) distance term масштабына; \(\gamma\) аралыктын таасири канчалык тез төмөндөшүнө жооп берет. \(C_{ij}^{(q)}\) бинардык же сандык тармак ковариаттарын; \(\theta_q\) болсо бул ковариаттардын коэффициенттерин билдирет.
\(d_{ij}^{-\gamma}\) мүчөсү \(\gamma>0\) болгондо аралык көбөйгөн сайын азаят. Бул математикалык жактан жакын түйүндөр күчтүүрөөк байланыш тобокелдигин алып жүрүшүнө мүмкүнчүлүк берген түзүлүш. Бул чечмелөө модель теңдемесинин математикалык натыйжасы; реалдуу системада ошол эле функция физикалык мыйзам деген доомат эмес.
SI likelihood функциясы
Булак параметр векторун:
түрүндө аныктайт.
Likelihood:
Бул жерде:
ошол учурда бардык susceptible түйүндөрдөгү жалпы өтүү интенсивдүүлүгү. Түйүндүн ишке ашкан өтүүгө тиешелүү салыштырмалуу hazard үлүшү:
түрүндө берилет. Экспоненциалдык мүчө Poisson-process / exponential inter-event-time түзүлүшүнөн келип чыгат.
Metropolis–Hastings кабыл алуу ыктымалдыгы
\(L(\Theta)\) — likelihood, \(P(\Theta)\) — prior distribution. Жаңы сунуш \(\Theta_w\) кабыл алынбаса, чынжыр мурдагы \(\Theta_{w-1}\) маанисинде калат. Көп сандагы итерациялардан кийин чынжыр максаттуу posterior бөлүштүрүүгө жакын үлгүлөрдү чыгарууга тийиш.
Confidence interval менен credible interval бир эле нерсе эмес
Синтетикалык KT симуляциясындагы %95 аралыктар белгилүү timestepтеги 1.000 симуляция жыйынтыгынын эмпирикалык %2,5–%97,5 процентилдерине негизделет. Bayesian SI моделиндеги %95 credible interval болсо posterior parameter distributionдын %95 аймагын билдирет. Экөөндө тең “%95” белгиси колдонулганы менен, эки аралыктын статистикалык мааниси бирдей эмес.
Изилдөөнүн Ыкмасы жана Жыйынтыктары
1. Синтетикалык тармак топологияларын салыштыруу
| Өзгөчөлүк | Erdős–Rényi (ER) | Geometric Random Graph (GRG) | Delaunay Triangulation (DT) |
|---|---|---|---|
| Түйүндөрдүн саны | 300 | 300 | 300 |
| Тармак параметри | \(p=0.02\) | \(r=0.08\) | 300 normally distributed point |
| Булакта максатталган кырлардын саны | болжол менен 897 | болжол менен 900 | булак \(3n-6=894\) колдонот |
| Болжолдуу орточо degree | 6нын тегерегинде кармоого аракет жасалган | ||
| Көз карандысыз тармак үлгүсү | 1.000 | 1.000 | 1.000 |
ER үчүн күтүлгөн кырлардын саны булакта:
менен эсептелип, \(n=300,p=0.02\) үчүн болжол менен 897 алынат.
GRG үчүн булак болжол менен:
формуласын колдонуп, болжол менен 900 кыр алат.
DT үчүн булак \(3n-6=894\) кыр маанисин колдонот. Verianla бул маанини булактын симуляция дизайнындагы сан катары сактайт.
KT симуляция параметрлери
| Параметр | Маани | Мааниси |
|---|---|---|
| \(\eta(0)\) | 0.01 | Баштапкы infected түйүндөрдүн үлүшү |
| \(k\) | 500 | Максималдуу timestep/iteration |
| \(\delta\) | 0.001 | Spontaneous adopter rate катары аныкталган параметр |
| \(\beta\) | 0.05 | Blocked түйүндөрдүн үлүшү |
| \(\tau\) | 0.30 жана 0.40 | Кошуна таасиринин thresholdу |
| Баштапкы seed тандоо | top %1 degree же top %1 betweenness | Жогорку centrality баштапкы сценарийлери |
Ар бир timestep үчүн 1.000 көз карандысыз симуляциядагы \(\eta(t)\) маанилери чогултулуп, орточо ийри сызык эсептелген жана %2,5–%97,5 эмпирикалык процентилдери аралык катары чийилген.
Булакта DT тармактары эң тез, GRG тармактары эң жай жайылууну көрсөткөн. Ошол эле сапаттык ирет баштапкы seedтер highest betweenness centrality боюнча тандалганда supplementary талдоодо да байкалган.
2. Stochastic Block Model жана motif эксперименти
SBM экспериментинде:
жана ар бир community 200 түйүндөн турат. Баштапкы probability matrix:
Within-community байланыш ыктымалдыгы \(p_w=0.030\) туруктуу кармалган; between-community probability \(p_b\) 0.001–0.01 аралыгында 10 түрдүү мааниде өзгөртүлгөн. Ар бир конфигурация 1.000 жолу симуляцияланып, 500 timestepге чейин же бардык ылайыктуу түйүндөр infected абалга келгенге чейин иштетилген.
| Motif | Булактагы геометриялык аныктама | Орточо корреляция | Стандарттык четтөө |
|---|---|---|---|
| M1 | Жылдыз | 0.9447 | 0.0385 |
| M2 | Line-type / төрт түйүндүү жол | 0.8345 | 0.0860 |
| M3 | Тыгызыраак үч бурчтуу/кошумча байланышкан motif | 0.4776 | 0.2554 |
M4, M5 жана M6 булак симуляцияларында өтө төмөн жыштыкта кездешкендиктен корреляция экспериментинен чыгарылган.
M1дин корреляциясы жогору жана симуляциялар арасындагы стандарттык четтөөсү да кичине. M2 да күчтүү оң корреляцияга ээ. M3түн орточо корреляциясы төмөнүрөөк жана стандарттык четтөөсү 0.2554 менен жогорураак; бул симуляциялар арасында байланыш көбүрөөк өзгөрмө экенин көрсөтөт.
Булак ичиндеги талкуу эскертүүсү: Section 3.2 жана 1-таблица M1 жылдыз жана M2 line-type motifтеринин күчтүү оң байланышын ачык билдирет. Discussion бөлүмүндөгү “star and square-type motifs” / “long line-type motifs have minimal impact” сөз айкашы бул аныктама менен шайкеш келбейт. Verianla сандык жыйынтыкты 1-таблицага ылайык берет жана талкуудагы терминологияны өзүнчө оңдогондой көрсөтпөйт.
3. Ethereum маалымат топтому
| Элемент | Маалымат |
|---|---|
| Булак | Ethereum mainnet, Infura |
| Айландыруу куралы | Ethereum ETL |
| Алынган block аралыгы | 10,000,000–10,001,000 |
| Талданган убакыт терезеси | 2020-05-04 14:48:40–14:58:40 UTC |
| Түйүн | Ethereum эсеби |
| Кыр | Эки эсептин ортосундагы транзакция |
| Кырдын салмагы | Транзакция көлөмү |
| Колдонулган компонент | Giant component |
| Giant component түйүндөрүнүн саны | 627 |
| Giant component кырларынын саны | 666 |
Бул жерде изилденген тармак Ethereum account transaction graph. Түйүндөр Ethereum P2P кардарлары же физикалык network routerлар эмес. Демек жыйынтыктар түз байкаган түзүлүш — эсептер аралык транзакция графы; Ethereumдун негизинде иштеген peer-to-peer билдирүү жайылтуу инфраструктурасы өзүнчө өлчөнгөн эмес.
Degree distribution оңго кыйшайган жана hub-dominated деп сүрөттөлгөн: аз сандагы түйүндөр жогорку degree алып жүрсө, көпчүлүк түйүндөр аз байланыштуу.
Эмне Үчүн Тармак Кокустук Бузулууларга Туруктуу, Бирок Буталган Чабуулдарга Аялуу Болушу Мүмкүн?
Hub-dominated тармакта түйүндөрдүн көбү төмөн degreeге ээ болсо, кокус тандалган баштапкы түйүн критикалык hub болушу чектелүү ыктымалдыкка ээ; тескерисинче, эң жогорку degree же betweenness түйүндөрүн түз бутага алуу көп жолдорго жана кошуналарга бир учурда таасир эте алат. Бул изилдөөдөгү Ethereum KT симуляциясында random seedтер жогорку-centrality seedтерге караганда моделдин жайыраак таралышына алып келген.
Ethereum KT эксперименти
| Параметр | Маани |
|---|---|
| Баштапкы infected үлүшү | 0.01 |
| Iteration | 500 |
| \(\delta\) | 0.001 |
| Blocked үлүшү \(\beta\) | 0.05 |
| Threshold \(\tau\) | 0.40 |
| Баштапкы тандоо | random / highest degree / highest betweenness |
Random башталышта модель жайылышы жогорку degree же betweenness centrality түйүндөрү баштапкы булак катары тандалган сценарийлерге караганда жайыраак.
Булак убакыттын өтүшү менен degree жана betweenness сценарийлеринин бири-бирине салыштырмалуу ирети туруктуу эмес экенин да билдирет: timestep 1–100 аралыгында degree башталышы жогорураак infected fraction жаратса, 101–200 аралыгында betweenness алдыга чыгат; 201–400 аралыгында тенденция кайра өзгөрөт.
Үч бөлүштүрүү үчүн nonparametric k-sample Anderson–Darling тести:
жыйынтыгын берет. Бул тест үч сценарийде байкалган бөлүштүрүүлөр жалпы бир эле бөлүштүрүүдөн келет деген гипотезага каршы айырма бар экенин колдойт. Тесттин өзү “degree чабуулу betweenness чабуулуна караганда ар бир timestepде себептик жактан күчтүү” деген жыйынтык бербейт.
Ethereum SI модели
Ethereum колдонмосунда susceptibility туруктуу коюлган:
Transmissibility функциясы:
түрүндө. \(X_1\) normalized degree centrality, \(X_2\) normalized betweenness centrality жана \(X_3\) normalized clustering coefficient. Ар бири өз тармагындагы максималдуу мааниге бөлүнүп нормалдаштырылат.
Ethereum connectivity kernel:
\(d_{ij}\) бул колдонмодо shortest-path distance; \(C_{ij}\) normalized transaction value. \(\theta\) — транзакция маанисинин transition rateке тийгизген модель коэффициенти.
Sparks function:
катары туруктуу коюлган.
Ethereum үчүн булакта жазылган priorлар
Маанилүү шайкешсиздик: Жогорудагы \(\alpha\sim U(1,2)\) булакта дал ушундай жазылганына карабастан, posterior \(\alpha\) маанилери 1ден кыйла төмөн. Ошондуктан \(\alpha\)нын Ethereum posteriorу жазылган prior менен ошол эле моделдин жыйынтыгы катары математикалык түрдө кайра өндүрүлбөйт.
MCMC жөндөөлөрү
| Элемент | Маани |
|---|---|
| Программалык камсыздоо | Julia / Pathogen.jl |
| Алгоритм | Metropolis–Hastings MCMC |
| Жалпы iteration | 200.000 |
| Burn-in | 20.000 |
| Болжолдуу эсептөө убактысы | 48 саат |
| RAM | 32 GB |
| CPU | 4.40 GHz Intel Core i7 |
Ethereum posterior параметрлери
| Параметр | Posterior орточо | %95 credible interval | Моделдеги роль |
|---|---|---|---|
| \(\zeta\) | 0.0001 | \((3.804\times10^{-5},0.0002)\) | Тармактан тышкаркы/sparks тобокелдиги |
| \(\alpha\) | 0.0616 | \((0.0107,0.1872)\) | Аралык kernel масштабы |
| \(\gamma\) | 1.5190 | \((1.0148,1.9668)\) | Аралык decay exponent |
| \(\theta\) | 30041.2 | \((9391.13,63724.2)\) | Normalized transaction value коэффициенти |
| \(\phi_1\) | 1.9022 | \((0.6492,4.4153)\) | Degree centrality |
| \(\phi_2\) | 1.0475 | \((0.1119,3.0667)\) | Betweenness centrality |
| \(\phi_3\) | 4.5457 | \((0.0034,9.7166)\) | Clustering coefficient |
Булак \(\zeta\)нын төмөн болушун external-source riskтин аздыгы катары түшүндүрөт жана transaction value коэффициенти \(\theta\) маанилүү экенин белгилейт. Бирок \(\theta\)нын масштабы башка \(\phi\) коэффициенттеринин масштабынан айырмалангандыктан, коэффициенттердин чийки чоңдуктарын гана өз ара салыштыруу туура эмес.
\(\phi_3\)түн posterior орточосу \(\phi_1\) жана \(\phi_2\)ден чоң; булак мындан clustering coefficientтин күчтүүрөөк таасирин баса белгилейт. Бирок \(\phi_3\)түн credible intervalы өтө кең болгондуктан, баалоонун белгисиздиги өзүнчө көрүнүктүү бойдон калууга тийиш.
Мындан тышкары, булак posterior interval нөлдү камтыбаганын “statistically significant” деп эсептейт. Бул критерий positive-support priorлар менен бирге колдонулгандыктан классикалык frequentist significance менен бир мааниде эмес.
4. Европанын электр өткөрүү тармактары
| Тармак | Түйүн | Кыр | Орточо жол узундугу | Diameter |
|---|---|---|---|---|
| Германия | 445 | 567 | 11.7510 | 30 |
| Италия | 273 | 375 | 9.7420 | 28 |
| Франция | 677 | 913 | 9.5920 | 26 |
Маалыматтар Union for the Coordination of the Transmission of Electricity булагына негизделген. Булак колдонулган network snapshotтын так датасын же маалыматтарды тазалоо/preprocessing деталдарын негизги текстте билдирбейт.
Power-grid KT параметрлери
| Параметр | Маани |
|---|---|
| Баштапкы infected үлүшү | 0.01 |
| Iteration \(k\) | 200 |
| \(\delta\) | 0.001 |
| Blocked үлүшү \(\beta\) | 0.05 |
| Threshold \(\tau\) | 0.30 |
| Баштапкы seed | highest degree же highest betweenness |
Degree-centrality башталышында алгачкы 1–25 timestep мезгилинде Италия тезирээк жайылууну көрсөткөн. Timestep 25 чамасында булак Италия жана Германия үчүн болжол менен %60 infected node деп билдирет. Алгачкы 75 timestep ичинде Франция төмөнүрөөк infected fraction көрсөтөт. Андан кийин Италиядагы жайылуу жайлап, узак мөөнөттө Италия калган экөөнө караганда төмөнүрөөк infected fractionга ээ болот.
Үч grid ортосундагы айырма үчүн:
деп билдирилген. Highest-betweenness башталышында supplementary талдоодо да \(p<0.001\) көрсөтүлгөн.
Power-grid SI модели
Susceptibility:
Transmissibility:
\(X_1\) degree centrality, \(X_2\) betweenness centrality, \(X_3\) clustering coefficient. Булак түшүндүрмө сүйлөмүндө үчүнчү мүчөнү жаңылыш кайра \(X_2\) деп жазат; теңдеме жана илимий түшүндүрмө үчүнчү өзгөрмө clustering coefficient экенин ачык көрсөтөт.
Power-grid connectivity kernel:
Бул жерде \(d_{ij}\) станциялардын географиялык координаттарынын ортосундагы Euclidean distance. Ethereum колдонмосунан айырмаланып, бул kernelге transaction-value сыяктуу кошумча \(C_{ij}\) ковариаты кошулбайт.
Power-grid priorлары
Power-grid posterior жыйынтыктары
| Параметр | Италия орточо (%95 CrI) | Германия орточо (%95 CrI) | Франция орточо (%95 CrI) |
|---|---|---|---|
| \(\zeta\) | 0.0003 (0.0001, 0.0003) | 0.0003 (0.0001, 0.0005) | 0.0002 (0.0001, 0.0003) |
| \(\alpha\) | 0.0340 (0.0191, 0.0519) | 0.0313 (0.0075, 0.0877) | 0.0065 (0.0039, 0.0114) |
| \(\gamma\) | 2.2239 (2.0993, 2.3578) | 2.4890 (2.2350, 2.6901) | 2.6942 (2.4689, 2.8499) |
| \(\phi_1\) degree | 0.0153 (0.0009, 0.0522) | 0.8960 (0.2358, 2.3969) | 3.6950 (1.8890, 4.9582) |
| \(\phi_2\) betweenness | 2.8538 (1.5946, 4.3712) | 0.7867 (0.0814, 2.5497) | 1.4909 (0.1815, 3.5957) |
| \(\phi_3\) clustering | 0.1214 (0.0002, 0.3141) | 3.1224 (0.7691, 4.8967) | 0.0556 (0.0012, 0.2199) |
Posterior түзүлүшү үч тармакта бирдей эмес. Италияда \(\phi_2\) betweenness coefficient салыштырмалуу чоң болсо, Германияда \(\phi_3\) clustering coefficient; Францияда болсо \(\phi_1\) degree coefficient жогорураак posterior орточого ээ. Ошондуктан “бир эле structural feature бардык power gridsде үстөм” деген жыйынтык чыгарууга болбойт.
Булак \(\alpha\) жана \(\gamma\) үч тармак арасында окшош экенин жана аралыктын таасири болжол менен окшош иштей турганын түшүндүрөт. Айрыкча \(\gamma\) маанилери болжол менен 2.22–2.69 аралыгында.
Изилдөө колдогон жыйынтыктар
- Белгилүү KT симуляция шарттарында ER, GRG жана DT тармактары ар башка диффузия ийри сызыктарын чыгарган.
- Булак симуляциясында DT эң тез, GRG эң жай диффузияны көрсөткөн.
- SBM симуляциясында M1 жана M2 motif концентрациялары диффузия ылдамдыгы менен күчтүү оң корреляция көрсөткөн.
- Изилденген Ethereum account-transaction graph hub-dominated жана оңго кыйшайган degree distribution көрсөтөт.
- Ethereum KT симуляциясында high-centrality башталыштар random башталышка караганда моделдин тезирээк таралышын жараткан.
- Ethereumдун үч баштапкы сценарийинин ортосунда k-sample Anderson–Darling тести \(p<0.001\) берген.
- Ethereum SI моделинде centrality, clustering жана transaction-value ковариаттары posterior моделде оң коэффициенттер менен кирген.
- Италия, Германия жана Франция gridдеринин KT диффузия ийри сызыктары бирдей эмес; \(p<0.001\) деп билдирилген.
- Үч power gridде degree, betweenness жана clustering коэффициенттеринин posterior түзүлүшү бири-биринен айырмаланат.
- Реалдуу системанын геометриясы модель жайылышын өзгөртө алары боюнча симуляциялык да, реалдуу-топологиялык case-study колдоосу да бар.
Изилдөө колдобогон жыйынтыктар
- Ethereumдун реалдуу P2P тармагында чыныгы чабуул учурунда 627 түйүн ушундайча бузулганы көрсөтүлгөн эмес.
- Изилденген Ethereum hub түйүндөрү чындыгында exchange же mining pool экени маалымат аркылуу идентификацияланган эмес.
- Motifтин диффузияга себептик таасири бир гана корреляциялык талдоо менен далилденген эмес.
- DT тармактары бардык тармак тыгыздыктарында дайыма тезирээк жайылары көрсөтүлгөн эмес.
- GRG тармактары бардык шарттарда эң туруктуу тармак түрү экени далилденген эмес.
- Европа тармактарындагы чыныгы тарыхый blackout окуялары бул KT симуляциясы менен кайра түзүлгөн эмес.
- SI posterior коэффициенттери физикалык бузулуу ыктымалдыгынын түз пайыздык эквиваленти эмес.
- Clustering coefficient бардык blockchain жана power-grid системаларында универсалдуу эң күчтүү тобокелдик өзгөрмөсү экени көрсөтүлгөн эмес.
- Hubдарды азайтуу же тармакты decentralize кылуу реалдуу системада белгилүү өлчөмдө коопсуздукту жогорулатары өлчөнгөн эмес.
- Саясат сунуштары түздөн-түз кийлигишүү эксперименти менен ырасталган эмес.
Негизги чектөөлөр жана кайра өндүрүмдүүлүк эскертүүлөрү
- Ethereum жана power-grid тармактары симметриялуу моделдерди колдонуу үчүн undirected түрүндө каралган; реалдуу транзакция жана электр агымдары табигый түрдө directionality алып жүрүшү мүмкүн.
- Ethereumда талданган түзүлүш transaction graph; peer-to-peer message propagation network түз байкалган эмес.
- Power-grid маалымат snapshot даталары негизги текстте майда-чүйдөсүнө чейин билдирилген эмес.
- Булакта колдонулган KT Algorithm 1 spontaneous-adoption теңсиздиги түшүндүрүлгөн \(\delta\) мааниси менен математикалык жактан шайкеш келбейт.
- “Bootstrap confidence interval” аталышы менен Algorithm 2деги түз empirical percentile процедурасы бир эле ыкма эмес.
- Ethereum \(\alpha\sim U(1,2)\) prior менен билдирилген \(\alpha\) posterior шайкеш келбейт.
- Motif Section 3.2/Table 1 менен Discussionдагы motif түрүнүн баяндалышынын ортосунда терминологиялык шайкешсиздик бар.
- Power-grid SI түшүндүрмөсүндө \(X_3\) ордуна бир жерде кайра \(X_2\) жазылган.
- Bayesian “significance” чечими оң supportтуу priorлар шартында credible interval нөлдү камтыбашына негизделет.
- Булак бардык маалыматтар public экенин айтат; бирок бардык R коддору ачык repository ордуна суроо боюнча берилет.
- Авторлор келечектеги иш катары directionality жана randomized null model–observed network салыштыруусун сунушташат.
Практикалык маанини кантип окуу керек?
Изилдөө тармак дизайнында жалпы байланыштардын санына гана кароо жетишсиз болушу мүмкүн экенин көрсөткөн модель жана учур жыйынтыктарын берет. Болжол менен бирдей тыгыздыктагы тармактарда байланыштардын кандай геометриялык тартипте уюшканы, кайсы түйүндөр борбордук экени жана жергиликтүү motifтердин түзүлүшү диффузия динамикасын өзгөртө алат.
Blockchain же критикалык инфраструктура дизайнында мунун коопсуз чечмелөөсү — high-centrality түйүндөрдү жана жергиликтүү геометрияны resilience талдоосунда өзүнчө көзөмөлдөө керек. Изилдөө түз далилдебеген чечмелөө болсо белгилүү кайра дизайн реалдуу системада чабуулду сөзсүз токтотот же blackout тобокелдигин белгилүү пайызга азайтат деген тыянак.
Булак жана Ыкма Эскертүүсү
Түпнуска аталышы: Understanding How Network Geometry Influences Diffusion Processes in Complex Networks: A Focus on Cryptocurrency Blockchains and Critical Infrastructure Networks
Кыргызча жарыялоо аталышы: Тармак Геометриясынын Татаал Тармактардагы Жайылуу Процесстерине Кантип Таасир Этерин Түшүнүү: Криптовалюта Блокчейндерине жана Критикалык Инфраструктура Тармактарына Басым
Авторлор: S M Mustaquim; Asim K. Dey; Abhijit Mandal.
Авторлордун ирети: Жүктөлгөн PDFдеги ирет өзгөртүлбөй сакталган.
Аффилиация 1: Department of Mathematical Sciences, The University of Texas at El Paso, Texas, United States.
Аффилиация 2: Department of Mathematics and Statistics, Texas Tech University, Lubbock, Texas, United States.
Жооптуу автор: Asim K. Dey; булак PDFде жана расмий журнал жазуусунда correspondence author катары көрсөтүлгөн.
Тең салым: Булакта тең салым/тең биринчи авторлук билдирүүсү жок.
Жүктөлгөн версия: arXiv:2509.23450v2 [stat.ME], 9-октябрь 2025.
Рецензияланган жарыя: Journal of the Royal Statistical Society Series A: Statistics in Society.
Том / сан: Volume 189, Issue 2.
Сандын датасы: April 2026.
Беттер: 646–667.
Онлайн жарыя датасы: 9-октябрь 2025.
Макаланын тарыхы: Received 19-февраль 2025; revision received 8-август 2025; accepted 13-сентябрь 2025.
DOI: 10.1093/jrsssa/qnaf146.
Басмакана: Oxford University Press; Journal of the Royal Statistical Society Series A, Royal Statistical Society жарыясы.
Булак түрү: Жүктөлгөн файл arXiv v2; ошол эле эмгектин рецензияланган journal version of record версиясы жарыяланган.
Рецензия: Рецензияланган журнал макаласы. Жүктөлгөн текст ошондой эле associate editor жана эки reviewerге ыраазычылык билдирет.
Лицензия / кайра колдонуу: Рецензияланган версия © The Royal Statistical Society 2025, all rights reserved; Oxford University Press Standard Journals Publication Model. Ачык CC лицензиясы эмес.
Негизги изилдөө түрү: Тармак илими жана статистикалык моделдөө; синтетикалык тармак симуляциялары + реалдуу тармак топологиясы case study + Bayesian SI inference.
Негизги моделдер: Kertész Threshold (KT) модели; Susceptible-Infected (SI) continuous-time model.
Motif ыкмасы: Edge-disjoint 4-node motif detection; Weisfeiler–Lehman graph hashing.
Белгисиздик: KT симуляция ийри сызыктары үчүн 1.000 көз карандысыз runдын empirical 2.5th/97.5th percentiles; булак муну bootstrap confidence interval деп да атайт. SI параметрлери үчүн Bayesian %95 credible interval.
Статистикалык тест: Nonparametric k-sample Anderson–Darling test; Ethereum баштапкы сценарийлеринде жана Европа grid салыштырууларында \(p<0.001\) билдирилген.
Ethereum маалыматы: Ethereum mainnet, Infura + Ethereum ETL; block 10,000,000–10,001,000; талдоо терезеси 2020-05-04 14:48:40–14:58:40 UTC; giant component 627 node жана 666 edge.
Электр тармактары: Germany, Italy, France transmission networks; булак Union for the Coordination of the Transmission of Electricity катары берилген.
SI программасы: Julia Pathogen.jl.
MCMC: Metropolis–Hastings; 200.000 iteration; 20.000 burn-in; болжол менен 48 саат; 32 GB RAM; 4.40 GHz Intel Core i7.
Каржылоо: Asim K. Dey үчүн National Science Foundation, USA, NSF DMS 2453756 жана NASA 21-AIST21-2-0020.
Маалымат жеткиликтүүлүгү: Булак “All data are publicly available” деп айтат.
Код жеткиликтүүлүгү: Бардык R коддору суроо боюнча берилиши мүмкүн экени көрсөтүлгөн; толук public code repository берилген эмес.
Кызыкчылыктардын кагылышы: Авторлор потенциалдуу кызыкчылыктардын кагылышын билдиришкен эмес.
Автор салымдары: Жүктөлгөн PDFде өзүнчө CRediT / Author Contributions бөлүмү жок.
Supplementary material: Жүктөлгөн preprint ancillary files arXiv abstract pageде бар экенин билдирет; рецензияланган версия да supplementary data жазуусун берет.
Булак ичиндеги маанилүү шайкешсиздик 1: Algorithm 1деги \(r_v\geq\delta\) шарты менен \(\delta=0.001\) spontaneous-adopter түшүндүрмөсү математикалык жактан шайкеш келбейт.
Булак ичиндеги маанилүү шайкешсиздик 2: Ethereum үчүн \(\alpha\sim U(1,2)\) деп жазылган prior менен \(\alpha=0.0616\) posterior ошол калыбында шайкеш келбейт.
Булак ичиндеги маанилүү шайкешсиздик 3: Motif Table 1/Section 3.2 менен Discussionдагы line-type/square-type чечмелөөлөр толук шайкеш эмес.
Булак ичиндеги маанилүү шайкешсиздик 4: Булак “bootstrap” терминологиясын колдонгону менен Algorithm 2 түздөн-түз көз карандысыз симуляция процентилдерин эсептейт.
Негизги чечмелөө чеги: Реалдуу Ethereum жана power-grid топологиялары колдонулганына карабастан, “infection/failure” процесстери модель болуп саналат; бул чыныгы чабуул, реалдуу blackout же тарыхый түйүн бузулуу байкоолору эмес.
Directionality чеги: Ethereum transaction graph жана электр тармактары symmetric KT/SI моделдерин колдонуу үчүн undirected катары каралган; авторлор реалдуу системалардагы багыттуулукту келечектеги изилдөө багыты катары белгилешет.
Пикир калтырыңыз
E-mail дарегиңиз жарыяланбайт. Милдеттүү талаалар * менен белгиленген