Детальная информация

Данная работа посвящена программному моделированию и анализу деградации пространственно-вложенных сетей при направленном разрушении узлов. Задачи, которые решались в ходе исследования: 1. Разработка алгоритма генерации пространственных 3D-графов. 2. Реализация программного модуля для поиска k-ядер и k-клик. 3. Проведение вычислительных экспериментов на эмпирическом коннектоме. 4. Интеграция коннектома в архитектуру резервуарных вычислений. 5. Оценка изменения вычислительной способности графа при деградации сети. В работе проведен сравнительный анализ разрушения базовой связности и кликового каркаса на синтетических и биологических графах. Разработанная модель позволила показать, что плотные топологические сообщества разрушаются скачкообразно и определяют способность системы к удержанию временной памяти. Полученные результаты количественно обосновали необходимость удерживать структурную связность коннектома и его структурную уязвимость, что может быть использовано при анализе медицинских данных и дальнейшем прогнозе развития дегенеративных заболеваний мозга. Результаты работы также могут применяться для оценки отказоустойчивости распределенных вычислительных систем и проведения структурного стресс-тестирования моделей искусственных нейронных сетей.

The given work is devoted to the software modeling and degradation analysis of spatially embedded networks under targeted node disruption. The tasks addressed in the course of the research were: 1. Development of an algorithm for generating spatial 3D graphs. 2. Implementation of a software module for k-core and k-clique detection. 3. Conducting computational experiments on the empirical connectome. 4. Integration of the connectome into the reservoir computing architecture. 5. Evaluation of changes in the graphs computational capacity during network degradation. In this work, we conducted a comparative analysis of the degradation of the basic connectivity and the clique framework on synthetic and biological graphs. The developed model allowed us to show that dense topological communities collapse abruptly and determine the systems capacity for temporal memory retention. The obtained results quantitatively substantiated the need to maintain the structural connectivity of the connectome and its structural vulnerability, which can be used in the analysis of medical data and further forecasting of the development of degenerative brain diseases. The results of the work can also be applied to assess the fault tolerance of distributed computing systems and to conduct structural stress testing of artificial neural network models.