杰里米·卡齐默;曼利奥·德·多梅尼科;彼得·穆查。;戴恩·泰勒 根据边缘对网络信息扩散谱复杂性的影响对边缘进行排序。 arXiv:2210.15148 预印本，arXiv:2210.15148[physics.soc-ph]（2022）。 摘要：尽管现在有许多方法可以量化网络的哪些部分或子系统最重要，但仍然缺乏与信息流复杂性相关的、直接从熵度量中导出的中心性度量。在这里，我们根据每条边的删除将如何改变系统的von Neumann熵（VNE）来对边进行排序，VNE是一种光谱能量度量，它是根据量子信息理论改编的，用于量化网络上信息动力学的复杂性。我们表明，对于大型网络，直接计算此类排名在计算上效率低下（或不可行）：例如。对于具有（N）个节点的网络，缩放比例是每边的（mathcal{O}（N^3））。为了克服这一局限性，我们利用谱摄动理论来估计VNE摄动，并推导出一种近似的边排序算法，该算法计算准确且快速，按每边缩放（mathcal{O}（N））。聚焦于与传输算子相关联的VNE形式，其中（{L}）是图拉普拉斯矩阵，（beta>0）是扩散时间尺度参数，我们将此方法应用于各种应用，包括编码美国第117届参议院极化投票模式的网络，包括伦敦的道路和地铁在内的多式联运系统，以及编码相关人脑活动的多路大脑网络。我们的实验强调了这样的情况：当人们考虑扩散的短、中、长时间尺度（β）时，被认为对信息扩散复杂性最重要的边缘可能会发生显著变化。 MSC公司： 94甲17 信息的度量，熵 05C82号 小世界图形、复杂网络（图形理论方面） 60J60型 扩散过程 28天20分 熵和其他不变量 68页30 编码和信息理论（压缩、压缩、通信模型、编码方案等）（计算机科学方面） BibTeX公司 引用 \textit{J.Kazimer}等人，“根据边缘对网络上信息扩散光谱复杂性的影响排名边缘”，预印本，arXiv:2210.15148[物理学.soc-ph]（2022） 全文： arXiv公司 OA许可证 arXiv数据来自arXiv OAI-PMH API。如果你发现了错误，请直接向arXiv报告。