Structure and dynamics on real and simulated transport networks

Abstract

ABSTRACT: The structure of complex network has been a trending topic for some time, and recently, the dynamical aspects of the systems have attracted the attention of researchers. Many natural phenomena can be modeled by means of processes occurring on complex networks, ranging from social and economics to physical and biological ones. In this work we present results about organizational and dynamical properties of large networks from different systems such as scientific collaboration, drug-disease interactions and simulated networks. Our goal is to characterize these networks by means of well known graph theory metrics. For scientific collaborations, we evaluate the cross-disciplinary knowledge transfer by means of the usage of the concept of entropy. We find that categories in Natural Sciences are most relevant in terms of the number of citations, i.e., as a source of knowledge. Also, we porpoise a methodology to analyze the correlation in complex networks for simulated networks we estimated the temporal correlation displayed by a random walk, with different variation of the random walk according to parameters affecting its behavior, in order to obtain the correlation dimension of a complex network. Finally, we discuss the implications of our findings in the context of complex network studies. RESUMEN: La estructura de las redes complejas ha sido un tema con gran relevancia en los últimos años, y recientemente, los aspectos dinámicos de los sistemas han atraído la atención de los investigadores. Muchos fenómenos naturales pueden ser modelados a través de procesos que ocurren en el contexto de una red compleja, desde sucesos de las ciencias sociales y económicas, hasta problemas físicos y biológicos. En este trabajo presentamos resultados de las propiedades de organización y dinámica de grandes redes de diversos sistemas, como son redes de colaboraciones científicas, interacciones de enfermedades y medicamentos, así como redes simuladas. Nuestro objetivo es caracterizar dichas redes complejas a través de métricas ya conocidas en redes complejas. Para las redes de colaboración, evaluamos la transferencia cruzada de conocimiento, gracias al uso del concepto de entropía. Encontramos que las categorías en las ciencias naturales son de mayor relevancia en términos del número de citas, es decir, como fuente de conocimiento. También, proponemos una metodología para analizar la correlación en redes complejas para redes simuladas, estimando la correlación temporal que tiene un caminante aleatorio, con variaciones en el propio caminante, de acuerdo a parámetros que afectan su comportamiento dentro de la red, con el objetivo de obtener la dimensión de correlación de la red compleja sobre la cual viaja el caminante. Finalmente, discutimos las implicaciones de los resultados en el contexto de los estudios de redes complejas.