与实验相比的理论预测–新方法为现实网络做出了准确的理论预测。Credit: Kirkley等人，科学进展一种被称为“信念传播”的消息传递算法可以用来分析大型系统，方法是将它们分解成更小的部分，并确保所有较小的解决方案彼此一致。例如，为了模拟当人们密切接触时疾病的传播，研究人员倾向于探索受感染个体的接触网络，因为它们是一个大系统。原则上，计算疾病将如何在庞大的接触网络中传播是一项艰巨的挑战。但是要预测这些个体会发生什么，我们只需要知道他们实际接触的人会发生什么——而不是他们网络中的每个人。
要解释这些联系人发生了什么，我们只需要看看他们的联系人等等。这就是信念传播的递归逻辑，它使庞大而笨拙的计算简化为一系列简单得多的计算。虽然这听起来很棒，但实际上，这一切都有可能被揭开。
在科学进展发表的一篇论文中，密歇根大学和圣达菲研究所(SFI)的研究人员亚历克·柯克利、乔治·坎特威尔和马克·纽曼报告了一种新的信念传播算法，用于求解包含短循环的网络上的概率模型。
“假设爱丽丝与鲍勃有密切联系，鲍勃与夏洛特有联系。要知道爱丽丝发生了什么，我们需要先了解鲍勃，然后才是夏洛特，”物理学家、SFI项目博士后坎特威尔解释道。“但是假设夏洛特已经和爱丽丝联系上了，现在我们已经陷入了一种无限的倒退。要预测爱丽丝会发生什么，我们需要先预测鲍勃会发生什么，然后是夏洛特，然后是爱丽丝。”
值得注意的是，信念传播算法仍然可以用于这种明显的自我参照问题，而不仅仅是预测疾病传播。不幸的是，它提供的答案是不正确的，而且经常会有很大的误差——尤其是对于看起来真实的结构。
“在我们的工作中，我们开发了实用的方法来解决这个缺点，”坎特威尔说。“例如，我们展示了如何使用该方法求解物理文献中的一个规范模型，证明了我们可以准确计算系统的物理行为。展望未来，我们希望这种分析方式将被证明对建立在人类网络等复杂结构上的各种统计模型有用。”
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
