Topology and spectral interconnectivities of higher-order multilayer networks
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Multilayer networks have permeated all areas of science as an abstraction for interdependent heterogeneous complex systems. However, describing such systems through a purely graph-theoretic formalism presupposes that the interactions that define the underlying infrastructures are only pairwise-based, a strong assumption likely leading to oversimplification. Most interdependent systems intrinsically involve higher-order intra- and inter-layer interactions. For instance, ecological systems involve interactions among groups within and in-between species, collaborations and citations link teams of coauthors to articles and vice versa , and interactions might exist among groups of friends from different social networks. Although higher-order interactions have been studied for monolayer systems through the language of simplicial complexes and hypergraphs, a systematic formalism incorporating them into the realm of multilayer systems is still lacking. Here, we introduce the concept of crossimplicial multicomplexes as a general formalism for modeling interdependent systems involving higher-order intra- and inter-layer connections. Subsequently, we introduce cross-homology and its spectral counterpart, the cross-Laplacian operators, to establish a rigorous mathematical framework for quantifying global and local intra- and inter-layer topological structures in such systems. Using synthetic and empirical datasets, we show that the spectra of the cross-Laplacians of a multilayer network detect different types of clusters in one layer that are controlled by hubs in another layer. We call such hubs spectral cross-hubs and define spectral persistence as a way to rank them, according to their emergence along the spectra. Our framework is broad and can especially be used to study structural and functional connectomes combining connectivities of different types and orders.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle