🌐 Безмасштабна мережа — Модель Барабаші-Альберт

Безмасштабна мережа — це така, чий розподіл степенів слідує степеневому закону P(k), пропорційному k у степені мінус гамма, а не дзвоноподібній кривій. Це означає, що більшість вузлів мають мало зв'язків, тоді як невелика кількість хабів має дуже багато. Термін «безмасштабна» відображає те, що не існує типового степеня вузла, який характеризував би всю мережу.

Переважне приєднання — це правило, що керує моделлю Барабаші-Альберт: коли новий вузол приєднується, ймовірність того, що він з'єднається з наявним вузлом, пропорційна поточному степеню цього вузла. Тому добре з'єднані вузли мають більше шансів отримати нові зв'язки — ефект, який часто підсумовують як «багаті стають ще багатшими». Саме цей позитивний зворотний зв'язок породжує хаби, які ви бачите в симуляції.

Повзунок m встановлює, скільки ребер створює кожен новододаний вузол — від 1 до 5 у цій симуляції. Більше m дає щільнішу мережу з більшим середнім степенем і вищою кластеризацією. Зміна m скидає мережу, оскільки зерном є повний граф із m+1 вузлів, з якого починається зростання.

Хаби виникають через поєднання зростання та переважного приєднання. Вузли, що приєдналися раніше, мають більше часу накопичити зв'язки, а щойно вони стають добре з'єднаними, вони приваблюють ще більше нових ребер. Ця кумулятивна перевага означає, що кілька вузлів стають непропорційно центральними, тоді як більшість залишається рідко з'єднаними.

Для стандартної моделі Барабаші-Альберт показник степеневого розподілу гамма дорівнює точно 3, і це справедливо для будь-якого значення m. Багато реальних мереж демонструють гамма приблизно в діапазоні від 2 до 3, дещо меншу, ніж у чистій BA-моделі, часто через додаткові ефекти, такі як старіння вузлів або їхня «придатність».

У випадковому графі Ердьоша-Реньї ребра розміщуються рівномірно випадково, а розподіл степенів пуассонівський, тож вузли здебільшого взаємозамінні, а хаби з дуже високим степенем надзвичайно малоймовірні. Безмасштабна мережа натомість має розподіл із важким хвостом за степеневим законом, що робить великі хаби набагато ймовірнішими. Тому ці дві моделі поводяться дуже по-різному під час відмов і атак.

Оскільки більшість вузлів мають низький степінь, випадкова відмова зазвичай вражає неважливий вузол, тож мережа залишається зв'язною, навіть коли багато вузлів видаляються випадково. Однак навмисне видалення кількох хабів з високим степенем швидко фрагментує мережу. Ця властивість «стійка, але крихка» — визначальна й широко досліджувана риса безмасштабних топологій.

«Вузли» та «Ребра» підраховують поточний розмір мережі. «Макс. степінь» — це найбільша кількість зв'язків, які має будь-який окремий вузол, а «Сер. степінь» — середнє значення по всіх вузлах, яке прагне до 2m. Коефіцієнт кластеризації вимірює, як часто сусіди вузла також з'єднані одне з одним, усереднено по всій мережі.

Вона достовірно реалізує базовий механізм зростання плюс переважного приєднання, що визначає модель Барабаші-Альберт, тож хаби, що виникають, і степенева тенденція справжні. Силове розміщення служить лише для візуалізації і не впливає на структуру мережі. Із лише десятками до кількох сотень вузлів виміряний розподіл степенів є наближенням на малій вибірці до асимптотичного степеневого закону.

Степеневі або майже степеневі розподіли степенів були виявлені у всесвітній павутині гіперпосилань, фізичному інтернеті, мережах наукового цитування, мережах співпраці акторів, графах підписників у соцмережах та мережах білок-білкових взаємодій. Розуміння їхньої структури хабів інформує проєктування стійкої інфраструктури та стратегії уповільнення епідемій шляхом націлювання на добре з'єднані вузли.