論文の概要: Sheaf-Theoretic Causal Emergence for Resilience Analysis in Distributed Systems
- arxiv url: http://arxiv.org/abs/2503.14104v1
- Date: Tue, 18 Mar 2025 10:19:33 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-03-19 14:15:19.838130
- Title: Sheaf-Theoretic Causal Emergence for Resilience Analysis in Distributed Systems
- Title（参考訳）: 分散システムのレジリエンス解析のためのせん断理論因果創発
- Authors: Anatoly A. Krasnovsky,
- Abstract要約: 分散システムは、しばしばレジリエンスに影響を及ぼす創発的な振る舞いを示す。
本稿では,システムレジリエンスを評価するために,グラフモデル,フロー・オン・グラフシミュレーション,因果発生解析を組み合わせた理論的枠組みを提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License:
- Abstract: Distributed systems often exhibit emergent behaviors that impact their resilience (Franz-Kaiser et al., 2020; Adilson E. Motter, 2002; Jianxi Gao, 2016). This paper presents a theoretical framework combining attributed graph models, flow-on-graph simulation, and sheaf-theoretic causal emergence analysis to evaluate system resilience. We model a distributed system as a graph with attributes (capturing component state and connections) and use sheaf theory to formalize how local interactions compose into global states. A flow simulation on this graph propagates functional loads and failures. To assess resilience, we apply the concept of causal emergence, quantifying whether macro-level dynamics (coarse-grained groupings) exhibit stronger causal efficacy (via effective information) than micro-level dynamics. The novelty lies in uniting sheaf-based formalization with causal metrics to identify emergent resilient structures. We discuss limitless potential applications (illustrated by microservices, neural networks, and power grids) and outline future steps toward implementing this framework (Lake et al., 2015).
- Abstract（参考訳）: 分散システムはしばしば、そのレジリエンスに影響を与える創発的な挙動を示す(Franz-Kaiser et al , 2020; Adilson E. Motter, 2002; Jianxi Gao, 2016)。
本稿では, 属性グラフモデル, フロー・オン・グラフ・シミュレーション, およびせん断理論による因果発生解析を組み合わせてシステムレジリエンスを評価した理論的枠組みを提案する。
我々は、属性(コンポーネント状態と接続をキャプチャする)を持つグラフとして分散システムをモデル化し、局所的な相互作用がグローバルな状態にどのように構成するかを定式化するために層理論を使用する。
このグラフ上のフローシミュレーションは機能的負荷と障害を伝搬する。
レジリエンスを評価するために、マクロレベルのダイナミクス(粗粒度グルーピング)がマイクロレベルのダイナミクスよりも強力な因果効果(有効情報)を示すかどうかを定量化する因果発生の概念を適用した。
この斬新さは、創発的なレジリエントな構造を特定するための因果的指標と棚ベースの形式化を結合することにある。
我々は、制限のない潜在的なアプリケーション(マイクロサービス、ニューラルネットワーク、電力グリッドによって構築された)について議論し、このフレームワークの実装に向けた今後のステップについて概説する(Lake et al, 2015)。
関連論文リスト
- Predicting Steady-State Behavior in Complex Networks with Graph Neural Networks [0.0]
複雑なシステムでは、情報伝達は拡散または非局在化、弱局所化、強局所化と定義できる。
本研究では,線形力学系のネットワーク上での挙動を学習するために,グラフニューラルネットワークモデルの適用について検討する。
論文 参考訳（メタデータ） (2025-02-02T17:29:10Z) - Unified Causality Analysis Based on the Degrees of Freedom [1.2289361708127877]
本稿では,システム間の因果関係を同定する統一手法を提案する。
システムの自由度を分析することで、私たちのアプローチは因果的影響と隠れた共同設立者の両方についてより包括的な理解を提供する。
この統合されたフレームワークは、理論モデルとシミュレーションを通じて検証され、その堅牢性とより広範な応用の可能性を示す。
論文 参考訳（メタデータ） (2024-10-25T10:57:35Z) - Systems with Switching Causal Relations: A Meta-Causal Perspective [18.752058058199847]
エージェントの行動の柔軟性や、環境プロセスにおける転換点の柔軟性は、システムの質的なダイナミクスを変える可能性がある。
新しい因果関係が出現し、既存の因果関係が変化または消失し、結果として因果グラフが変化する。
本稿では,古典的因果モデルを等価な定性行動に基づいてクラスタに分類するメタ因果状態の概念を提案する。
論文 参考訳（メタデータ） (2024-10-16T21:32:31Z) - Predicting Cascading Failures with a Hyperparametric Diffusion Model [66.89499978864741]
拡散モデルのレンズによる電力グリッドのカスケード故障について検討する。
我々のモデルは、バイラル拡散原理と物理に基づく概念を統合する。
この拡散モデルはカスケード故障の痕跡から学習可能であることを示す。
論文 参考訳（メタデータ） (2024-06-12T02:34:24Z) - Port-Hamiltonian Architectural Bias for Long-Range Propagation in Deep Graph Networks [55.227976642410766]
グラフ内の情報拡散のダイナミクスは、グラフ表現学習に大きな影響を及ぼす重要なオープン問題である。
そこで我々は(ポート-)Hamiltonian Deep Graph Networksを紹介した。
我々は,非散逸的長距離伝播と非保守的行動の両方を,単一の理論的・実践的な枠組みで調整する。
論文 参考訳（メタデータ） (2024-05-27T13:36:50Z) - Discrete, compositional, and symbolic representations through attractor dynamics [51.20712945239422]
我々は,思考の確率的言語(PLoT)に似た認知過程をモデル化するために,アトラクタダイナミクスを記号表現と統合した新しいニューラルシステムモデルを導入する。
我々のモデルは、連続表現空間を、事前定義されたプリミティブに頼るのではなく、教師なし学習を通じて、記号系の意味性と構成性の特徴を反映する、記号列に対応する引き付け状態を持つ離散盆地に分割する。
このアプローチは、認知操作の複雑な双対性を反映したより包括的なモデルを提供する、AIにおける表現力の証明された神経弁別可能な基質であるニューラルダイナミクスを通じて、シンボル処理とサブシンボル処理の両方を統合する統一的なフレームワークを確立する。
論文 参考訳（メタデータ） (2023-10-03T05:40:56Z) - Impact of conditional modelling for a universal autoregressive quantum
state [0.0]
ニューラルネットワークにおける畳み込み層の類似体としてフィルタを導入し、任意の量子状態に翻訳的対称性付き相関を組み込む。
得られた帰納バイアスが変動柔軟性,対称性,保存量に与える影響を解析した。
論文 参考訳（メタデータ） (2023-06-09T14:17:32Z) - Advancing Counterfactual Inference through Nonlinear Quantile Regression [77.28323341329461]
ニューラルネットワークで実装された効率的かつ効果的な対実的推論のためのフレームワークを提案する。
提案手法は、推定された反事実結果から見つからないデータまでを一般化する能力を高める。
複数のデータセットで実施した実証実験の結果は、我々の理論的な主張に対する説得力のある支持を提供する。
論文 参考訳（メタデータ） (2023-06-09T08:30:51Z) - Localisation in quasiperiodic chains: a theory based on convergence of
local propagators [68.8204255655161]
局所プロパゲータの収束に基づく準周期鎖に最も近いホッピングを持つ局所化の理論を提示する。
これらの連続分数の収束、局所化、あるいはその欠如を分析することは可能であり、それによって臨界点とモビリティエッジが帰結する。
結果は、振る舞いの範囲をカバーする3つの準周期モデルの理論を分析することで実証される。
論文 参考訳（メタデータ） (2021-02-18T16:19:52Z) - Bayesian Inductive Learner for Graph Resiliency under uncertainty [1.9254132307399257]
大規模グラフにおける臨界ノードを特定するためのベイズグラフニューラルネットワークに基づくフレームワークを提案する。
フレームワークが提供する計算複雑性の忠実さと向上について説明する。
論文 参考訳（メタデータ） (2020-12-26T07:22:29Z) - Gradient Starvation: A Learning Proclivity in Neural Networks [97.02382916372594]
グラディエント・スターベーションは、タスクに関連する機能のサブセットのみをキャプチャすることで、クロスエントロピー損失を最小化するときに発生する。
この研究は、ニューラルネットワークにおけるそのような特徴不均衡の出現に関する理論的説明を提供する。
論文 参考訳（メタデータ） (2020-11-18T18:52:08Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。