5,443
个编辑
更改
→扩散演化算子的统计物理学解释
=== 扩散演化算子的统计物理学解释 ===
=== 扩散演化算子的统计物理学解释 ===
算子$$K^{(0)}(\tau)$$可用于构建网络的“本征尺度扫描仪”，具备平衡态统计物理中熵敏感性或热容的数学特性，其显著极大值（无限尺寸极限下发散）表明网络结构组织中的相变。具体而言，$$K^{(0)}(\tau)$$的特征值$$\{e^{-\lambda_i^{(0)} \tau}\}$$用于定义实时概率密度函数$$p(\lambda; \tau)$$，对应的香农熵$$S(\tau)$$可形式化为冯·诺依曼熵，与量子正则密度算子相关，$$L^{(0)}$$扮演哈密顿量角色，$$\tau$$对应逆温度[130,131]，配分函数$$Z(\tau)$$与自由能$$F(\tau)$$相关。
算子 <math>K^{(0)}(\tau)</math>可用于构建网络的“本征尺度扫描仪”。该“扫描仪”具备平衡态统计物理中熵敏感性或热容的全部数学特性，其显著极大值（在无限尺寸极限下发散）能够表明网络结构组织中的一类相变。具体而言， <math>K^{(0)}(\tau)</math>的特征值 <math>\{e^{-\lambda_i^{(0)} \tau}\}_{i=1}^{N_0}</math>可用来定义实时的概率密度函数 <math>p(\lambda; \tau) = \sum_{i=1}^{N_0} \delta(\lambda - \lambda_i^{(0)}) e^{-\lambda_i^{(0)} \tau} / Z(\tau)</math>，其中配分函数 <math>Z(\tau) = \sum_{i=1}^{N_0} e^{-\lambda_i^{(0)} \tau}</math>， <math>\delta(\lambda)</math>为狄拉克δ函数。该测度对应的香农熵为 <math>S(\tau) = -\sum_{i=1}^{N_0} p(\lambda_i^{(0)}; \tau) \log [p(\lambda_i^{(0)}; t)]</math>。由于无向网络的 <math>L^{(0)}</math>为厄米且半正定， <math>S(\tau)</math>可形式化视为冯·诺依曼熵 <math>S[\rho(\tau)] = -\operatorname{Tr} [\rho(\tau) \log \rho(\tau)]</math>，与量子正则密度算子 <math>\rho(\tau) = K^{(0)}(\tau) / \mathrm{Tr} [K^{(0)}(\tau)]</math>相关联（参考文献109,128,129），此处 <math>L^{(0)}</math>扮演哈密顿量角色， <math>\tau</math>则对应逆温度[130,131]。等价地，配分函数 <math>Z(\tau) = \operatorname{Tr} [K^{(0)}(\tau)]</math>通过 <math>F(\tau) = -\tau^{-1} \log Z(\tau)</math>与自由能相关联。
该形式类比的直接推论是下述量
<math>C(\tau)=-\frac{\mathrm{d} S(\tau)}{\mathrm{d} \log \tau} \tag{9}</math>
具有熵敏感性的数学特性，因而是个热容[15,129]。在节点数无穷大的极限下，相变点可解释为 <math>C(\tau)</math>在呕血尺度 <math>\tau^*</math>处的奇异性或虽有限但 <math>N</math>值非常大的情形。换言之， <math>\tau^*</math>是网络拓扑发生突变的内蕴尺度，类似于Ising模型中关联长度尺度的作用。例如，在具有相同尺寸的块构成的网络模型，要求块内部稠密连接但是块之间相互连接较弱[132]，在这个模型中 <math>C(\tau)</math>呈现双峰：一个对应于单块的扩散尺度，另一个对应于块间典型路径的更大尺度。在此意义上， <math>C(\tau)</math>可作为本征尺度探测器，通过识别网络结构发生拓扑转变的特征尺度来诱导网络的粗粒化过程[132]。
=== 拓扑标度不变网络 ===
=== 拓扑标度不变网络 ===