論文の概要: Quantum percolation theory for dynamic propagation connectivity of transport networks
- arxiv url: http://arxiv.org/abs/2606.30218v1
- Date: Mon, 29 Jun 2026 12:32:23 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-30 18:07:16.216636
- Title: Quantum percolation theory for dynamic propagation connectivity of transport networks
- Title（参考訳）: 輸送ネットワークの動的伝播接続のための量子パーコレーション理論
- Abstract要約: 構造障害下における輸送ネットワークの接続性劣化は、ネットワークレジリエンス研究の中心的な問題である。
既存の手法は主にパーコレーション理論とトポロジカル接続測度に依存している。
本稿では,輸送ネットワーク接続解析に量子パーコレーション理論を導入する。
- 参考スコア（独自算出の注目度）: 2.519906683279153
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Connectivity degradation in transport networks under structural disturbance is a central problem in network resilience research. Existing methods rely mainly on percolation theory and topological connectivity measures. They focus on whether paths exist and whether connected components fragment. These approaches cannot capture functional degradation where network topology remains intact but propagation ability has already declined substantially. This paper introduces quantum percolation theory into transport network connectivity analysis and proposes Dynamic Propagation Connectivity (DPC) as a new measure that characterises network propagation ability under disturbance. By mapping a transport network under disturbance into a propagation operator system, this paper establishes a spectral analysis framework for DPC and defines the time-averaged participation index as its core quantification. This paper provides a series of rigorous theoretical results. DPC remains constant under homogeneous disturbance and degrades under heterogeneous disturbance. This paper establishes a quantitative relationship between the degradation rate, the minimum eigenvalue spacing of the propagation operator, and heterogeneous deviation strength. This paper proves a separation theorem between DPC and algebraic connectivity. It derives an analytical expression for DPC and a second-order perturbation approximation on the ring graph. Numerical experiments on three transport benchmark networks verify all theoretical conclusions and confirm degradation monotonicity, separation from algebraic connectivity, and degradation amplification by network size. This paper provides a theoretical framework for transport network resilience assessment that goes beyond topological connectivity.
- Abstract（参考訳）: 構造障害下における輸送ネットワークの接続性劣化は、ネットワークレジリエンス研究の中心的な問題である。
既存の手法は主にパーコレーション理論とトポロジカル接続測度に依存している。
パスが存在するか、接続されたコンポーネントのフラグメントがあるかに焦点を当てている。
これらの手法は、ネットワークトポロジが残存する機能的劣化を捉えることはできないが、伝播能力は大幅に低下している。
本稿では、輸送ネットワーク接続解析に量子パーコレーション理論を導入し、外乱下でのネットワーク伝搬能力を特徴付ける新しい尺度として動的伝搬接続性(DPC)を提案する。
本稿では,DPCのスペクトル分析フレームワークを構築し,時間平均参加指数をその中核定量化として定義する。
本稿では,厳密な理論的結果について述べる。
DPCは均一な乱れの下で一定であり、不均一な乱れでは劣化する。
本稿では, 伝搬作用素の劣化速度, 最小固有値間隔, 異種偏差強度の定量的関係を確立する。
本稿ではDPCと代数接続の分離定理を示す。
DPCの解析式とリンググラフ上の二階摂動近似を導出する。
3つの輸送ベンチマークネットワークに関する数値実験により、すべての理論的結論が検証され、劣化単調性、代数接続からの分離、ネットワークサイズによる劣化増幅が確認された。
本稿では、トポロジカル接続を超えたネットワークレジリエンス評価のための理論的枠組みを提供する。
関連論文リスト
- Connectivity--Interference Competition in Coherent Transport on Percolated Hierarchical Small-World Networks [0.0]
リンクを追加することで、利用可能なパスの数を増やすことで、古典的なトランスポートが向上する。
我々はコヒーレント量子輸送が逆の挙動を示すことを示す。
結果は、混乱したフォトニックおよび量子ネットワークアーキテクチャにおけるコヒーレントトランスポートの設計原理を提供する。
論文 参考訳（メタデータ） (2026-08-19T17:26:32Z) - Multi-Criticality and RG Topology in the Charge-Kondo-Breakdown Scenario in the Cuprates [0.0]
銅酸化物超伝導体に対する電荷-近藤絶縁破壊シナリオを, 再正規化群(RG)トポロジーの観点から検討した。
有効低エネルギー理論を規定する連成RG流方程式を解析することにより, 流れの固定点構造, 安定性, 大域的構造を決定する。
論文 参考訳（メタデータ） (2026-07-22T06:41:22Z) - Quantum percolation based dynamic propagation connectivity for critical-area identification in transport networks [14.492101931546765]
リンク中心パーコレーションとバイナリパーコレーションは、重要な設備や接続障害を特定する。
時間変化したリンク走行時間を連続伝播強度に変換する。
その後、候補地域を地域劣化実験により評価する。
論文 参考訳（メタデータ） (2026-06-29T12:52:47Z) - The Inductive Bias of Convolutional Neural Networks: Locality and Weight Sharing Reshape Implicit Regularization [57.37943479039033]
本研究では,勾配降下における安定性現象によって引き起こされる暗黙の正則化に,アーキテクチャ的帰納バイアスがどう影響するかを考察する。
局所性と重量共有が根本的に変化していることが示されています。
論文 参考訳（メタデータ） (2026-03-05T04:50:51Z) - On Evolution-Based Models for Experimentation Under Interference [7.262048441360133]
我々は、介入に応じて観察ラウンド間で結果がどのように変化するかを研究する進化に基づくアプローチについて研究する。
我々は、この手法のインスタンス化として、高密度ネットワークにおける因果メッセージパッシングを強調した。
このアプローチの限界について議論し、強い時間的傾向や内因性干渉が識別を損なう可能性があることを示す。
論文 参考訳（メタデータ） (2025-11-26T18:53:46Z) - PAC-Bayesian Generalization Bounds for Graph Convolutional Networks on Inductive Node Classification [20.5924958759845]
帰納ノード分類のためのグラフ畳み込みネットワーク(GCN)のPAC-ベイズ理論解析を提案する。
我々は,データ依存性と非定常性の影響を明示的に組み込んだ一層GCNに対して,新しい一般化バウンダリを導出する。
我々は解析を二層GCNに拡張し、収束を保証するためにグラフトポロジーに強い仮定が必要であることを明らかにした。
論文 参考訳（メタデータ） (2025-09-08T12:10:54Z) - Causal Discovery in Dynamic Fading Wireless Networks [0.0]
本稿では,逐次回帰に基づくアルゴリズムの提案により,無線環境における因果推論の課題に対処する。
構造変化の同定に要する検出遅延の理論的下限と上限を導出し,ネットワークサイズ,ノイズ分散,フェージング重大度への依存性を明示的に定量化する。
本研究は,非定常無線環境下でのネットワーク信頼性を維持するために,ロバストなオンライン因果推論機構を設計するための厳密な理論的洞察と実践的ガイドラインを提供する。
論文 参考訳（メタデータ） (2025-05-24T13:59:48Z) - Topology-Aware Conformal Prediction for Stream Networks [68.02503121089633]
本研究では,ネットワークトポロジと時間的ダイナミクスを共形予測フレームワークに統合した新しいフレームワークであるspatio-Temporal Adaptive Conformal Inference (textttCISTA)を提案する。
この結果から,TextttCISTAは予測効率とカバレッジのバランスを効果的に保ち,既存のストリームネットワークの共形予測手法よりも優れていることがわかった。
論文 参考訳（メタデータ） (2025-03-06T21:21:15Z) - Tight Stability, Convergence, and Robustness Bounds for Predictive Coding Networks [60.3634789164648]
予測符号化(PC)のようなエネルギーベースの学習アルゴリズムは、機械学習コミュニティにおいて大きな注目を集めている。
動的システム理論のレンズを用いて,PCの安定性,堅牢性,収束性を厳密に解析する。
論文 参考訳（メタデータ） (2024-10-07T02:57:26Z) - Towards Understanding Theoretical Advantages of Complex-Reaction
Networks [77.34726150561087]
パラメータ数を用いて,関数のクラスを複素反応ネットワークで近似できることを示す。
経験的リスク最小化については,複素反応ネットワークの臨界点集合が実数値ネットワークの固有部分集合であることを示す。
論文 参考訳（メタデータ） (2021-08-15T10:13:49Z) - 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) - A Convergence Theory Towards Practical Over-parameterized Deep Neural
Networks [56.084798078072396]
ネットワーク幅と収束時間の両方で既知の理論境界を大幅に改善することにより、理論と実践のギャップを埋める一歩を踏み出します。
本研究では, サンプルサイズが2次幅で, 両者の時間対数で線形なネットワークに対して, 地球最小値への収束が保証されていることを示す。
私たちの分析と収束境界は、いつでも合理的なサイズの同等のRELUネットワークに変換できる固定アクティベーションパターンを備えたサロゲートネットワークの構築によって導出されます。
論文 参考訳（メタデータ） (2021-01-12T00:40:45Z)
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。