L'idée qui sous-tend cette étude est que dans un réseau agencé avec une architecture donnée (par exemple, un réseau en étoile) et dans des conditions adaptées, le ou les nœuds ayant le plus grand nombre de connexions (en haut) développent spontanément une activité plus complexe que ceux n'ayant que quelques ou même une seule connexion (en bas). Ici, un exemple impliquant des oscillateurs électroniques est montré. Crédit :Ludovico Minati
Des scientifiques de l'Institut de technologie de Tokyo ont découvert de nouveaux aspects sur la façon dont les connexions dans les réseaux peuvent influencer leur comportement au fil du temps. D'habitude, les éléments de réseau avec de nombreuses connexions génèrent une activité plus complexe que d'autres, mais cet effet peut s'inverser si les connexions sont trop fortes. En revanche, dans des cas tels que les neurones, qui se comportent de manière apparemment aléatoire lorsqu'ils sont seuls, la connectivité peut donner lieu à des modèles plus réguliers et prévisibles.
Il est courant de trouver des exemples de la façon dont les personnes ayant de nombreuses relations – sociales ou professionnelles – ont tendance à avoir une vie quotidienne plutôt turbulente et imprévisible par rapport à celles qui ont moins de relations, qui suivent généralement des routines plus régulières. Cette différence est particulièrement évidente lorsque des individus ou des communautés spécifiques sont comparés, tels que les cadres supérieurs par rapport aux opérationnels, ou les personnes vivant dans une métropole par rapport aux personnes vivant à la campagne.
Cela peut être étendu aux réseaux naturels et artificiels d'éléments en interaction - des neurones aux oscillateurs couplés et aux terminaux sans fil - où les "nœuds" (les éléments du réseau où les connexions s'entrelacent) ayant plus de connexions ont tendance à avoir une dynamique plus riche (activité se déroulant au fil du temps) . Comprendre les subtilités des réseaux au sein d'un système peut nous donner une vue holistique de ce système, ce qui est utile à la fois en biologie et en ingénierie.
Dans une étude publiée dans la revue Accès IEEE , des chercheurs au Japon et en Italie ont étudié à l'aide de méthodes théoriques et expérimentales la dynamique des réseaux dans divers systèmes naturels et artificiels. Cette recherche est le résultat d'une collaboration entre des scientifiques du Tokyo Institute of Technology (Tokyo Tech), en partie financé par la World Research Hub Initiative, et les Universités de Catane, Palerme, et Trente en Italie.
Résultats de simulations numériques montrant la relation entre le nombre de connexions (diamètres des cercles) et la complexité de l'activité (teinte bleu-rouge). Dans les réseaux sans échelle, quelques nœuds « hubs » ont un nombre disproportionné de connexions :ces nœuds génèrent généralement des modèles d'activité plus riches que les autres, mais l'effet peut être perdu voire inversé si chaque connexion, ou couplage, devient trop intense (gauche). Dans les réseaux totalement aléatoires, le nombre de connexions est réparti plus uniformément, cette relation ne s'observe donc pas facilement (à droite). Crédit :Ludovico Minati
L'équipe de recherche a commencé par analyser des scénarios purement mathématiques. D'abord, ils ont simulé des réseaux élémentaires en forme d'étoile, où la plupart des nœuds (appelés « feuilles ») ont une seule connexion à un nœud central (appelé « concentrateur »); chaque nœud consistait en un système dit de Rössler, qui est un ensemble élégant d'équations capables de générer des comportements assez complexes. Il est devenu évident que les hubs de ces réseaux présentent presque toujours un comportement plus compliqué que les feuilles, car ils sont influencés par de nombreux nœuds différents en même temps. Mais, si les connexions entre les nœuds sont trop fortes, leurs sorties deviennent rigidement liées les unes aux autres et cette relation est perdue, alors que s'ils sont trop faibles, l'effet disparaît.
De façon intéressante, ce phénomène a également été observé dans un réseau physique constitué d'oscillateurs électroniques connectés les uns aux autres à l'aide de résistances (Fig. 1). "Il était assez surprenant de remarquer à quel point la tendance des nœuds hub et feuille à se comporter différemment est forte, " explique Assoc. Prof. Hiroyuki Ito, co-auteur et responsable du laboratoire où ces concepts seront appliqués pour résoudre des problèmes de détection dans le domaine de l'Internet des objets (IoT).
Pour approfondir ce phénomène, les chercheurs ont mené d'autres simulations numériques avec des réseaux plus complexes contenant un plus grand nombre de nœuds et des modèles de connexion plus complexes. Ils ont constaté que la relation s'applique également généralement à de tels systèmes, à moins que les connexions individuelles ne soient trop fortes, auquel cas la tendance peut même s'inverser et faire en sorte que les nœuds avec moins de connexions présentent une activité plus complexe. La raison de cette inversion n'est pas encore connue, mais on peut l'imaginer comme les nœuds hautement connectés devenant « paralysés » et le reste « prenant le relais » (Fig. 2). "Il reste beaucoup à clarifier sur la façon dont la structure et la dynamique des réseaux se rapportent les uns aux autres, même dans des cas simples, " dit Assoc. Prof. Mattia Frasca, de l'Université de Catane.
Dans la nature, l'activité des éléments individuels, comme les neurones, semble souvent dominé par le bruit, ou "aléatoire". Les simulations numériques d'un simple réseau neuronal illustrent comment des connexions appropriées peuvent créer des modèles plus prévisibles, telles que la génération de "rafales" (à gauche). Dans les cultures cellulaires se développant sur des réseaux d'électrodes d'enregistrement, les neurones situés dans des régions ayant une connectivité élevée génèrent des trains de pointes plus prévisibles (à droite). Crédit :Ludovico Minati, et Daniel Wagenaar pour la microphotographie de culture
Les scientifiques sont ensuite passés à l'étude de l'un des types de réseaux naturels les plus complexes :ceux constitués de neurones. Contrairement aux systèmes mathématiques ou techniques, les neurones vivants isolés sont assez imprévisibles car ils sont souvent soumis à des formes d'aléatoire ou de « bruit ». En analysant l'activité des neurones vivants à travers des simulations ainsi que des mesures, les chercheurs ont découvert qu'une plus grande connectivité peut les aider à réduire ce bruit et à exprimer des modèles plus structurés, leur permettant finalement de fonctionner « utilement ». "Des études antérieures sur le fonctionnement du cerveau montrent des relations similaires entre les aires corticales. Nous pensons qu'une meilleure compréhension de ces phénomènes pourrait également nous aider à améliorer les interfaces cerveau-ordinateur, " ajoute le Pr Yasuharu Koike, chef du laboratoire s'est concentré sur des sujets à l'interface entre l'ingénierie et la biologie.
Cette étude met en lumière comment la connaissance des subtilités d'un système de réseau peut être utilisée dans différents domaines. Assoc. Pr Ludovico Minati, auteur principal de l'étude, parle des implications de l'étude, "Bien qu'il faille faire preuve de prudence et d'humilité pour ne pas tomber dans des déclarations excessivement généralistes, des études comme celle-ci peuvent illustrer la valeur d'inspiration potentielle de la recherche multidisciplinaire, qui peuvent avoir un impact non seulement sur l'ingénierie et la biologie, mais même sur les concepts de gestion. »
