تفكيك الشبكات المعقدة باستخدام شبكة عصبية بيانية من الرتبة الأعلى

لماذا يمكن أن يحمي تفكيك الشبكات المجتمع

من إيقاف الأوبئة والشائعات الإلكترونية إلى تعطيل شبكات إجرامية أو أنظمة مالية هشة، تختزل العديد من المشكلات العاجلة إلى فكرة بسيطة: كيف نكسر شبكة معقدة من الاتصالات بأكبر قدر من الكفاءة؟ تقدّم هذه الورقة طريقة أذكى لاكتشاف النقاط القليلة المخفية في الشبكة التي يؤدي إزالة كل منها إلى تفكك البنية بأكبر قدر، مستخدمة أدوات تنظر ليس فقط إلى الروابط المباشرة بل إلى التفاعلات الجماعية الأكثر ثراءً.

من الحياة الواقعية إلى شبكات الروابط

غالبًا ما تمثل العلوم الحديثة الأنظمة على شكل شبكات، حيث قد تكون العقد أشخاصًا أو بروتينات أو مدنًا والروابط توضح من يتفاعل مع من. تعتمد قوة هذه الأنظمة على مدى بقاء الشبكة مترابطة عندما تتعطل بعض العقد أو تُزال. العثور على أصغر مجموعة من العقد التي تُحطّم الشبكة إلى العديد من القطع الصغيرة يُعرف بتفكيك الشبكة. هذا الأساس يقوم عليه مهام مثل تحصين السكان، وإيقاف البرمجيات الخبيثة على الإنترنت، أو إضعاف مجموعات الجريمة المنظمة. اعتمدت الأساليب السابقة في الغالب على الروابط الزوجية البسيطة، مثل عدد الجيران لعقدة معينة أو عدد أقصر المسارات التي تمر عبرها، ثم إزالة العقد ذات الدرجات الأعلى وفق هذه المقاييس.

لماذا الروابط البسيطة تفشل في كشف المؤثرين الخفيين

نادراً ما تعمل الأنظمة الحقيقية عبر أزواج فقط. الفرق العلمية وغرف الدردشة الجماعية ومجمعات البروتين والمجتمعات البيئية تضم ثلاثة مشاركين أو أكثر يتصرفون معًا. لا يمكن اختزال هذه التفاعلات ذات الرتبة الأعلى إلى مجموع بسيط من روابط زوجية. قد تبدو عقدتان غير بارزتين عند الحكم عليهما عبر الروابط المباشرة فقط، ومع ذلك تكونان حاسمتين في العديد من المجموعات المتداخلة. غالبًا ما تتجاهل الأساليب التقليدية الطريقة التي تشارك بها العقد الأدوار عبر الشبكة بأكملها أو كيف تتصرف داخل أنماط المجموعات الصغيرة هذه. ونتيجة لذلك، قد تترك عنقودات تستمر في العمل بشكل شبه طبيعي، حتى بعد إزالة العديد من العقد عالية الدرجة.

رؤية الأدوار من بعيد ومن قريب

يقترح المؤلفون إطار عمل يُدعى SPR، اختصارًا لـ Structural and Processual Role aware Network Dismantling (تفكيك الشبكة مع وعي بالأدوار التركيبية والإجرائية)، المبني على شبكة عصبية بيانية أكثر عمومية من الرتبة الأعلى (HoGNN). أولًا، يحولون النظام الحقيقي إلى شبكة ويحسبون مجموعة من الميزات الأساسية لكل عقدة، تلتقط السمات المحلية مثل عدد الجيران والسمات العالمية مثل القرب من الآخرين. من منظور واسع، يتعلم SPR الدور البنيوي لكل عقدة في البنية العامة: على سبيل المثال، المحاور، الجسور بين المجتمعات، أو العقد الحدودية. تُجمّع العقد التي تلعب أدوارًا متشابهة، حتى وإن كانت متباعدة، في وصلات ذات رتبة أعلى تُسمى الحواف الفائقة (hyperedges). ومن منظور مقرب، يتتبع SPR كيفية مشاركة العقدة داخل العديد من المجموعات الصغيرة المتداخلة ذات الأحجام المختلفة، كاشفًا دورها الإجرائي أي كيف يتبدل تأثيرها عبر المثلثات والتشكيلات الأكبر.

إتاحة التعلم للشبكة لتحديد المهم

تمرّر HoGNN بعد ذلك المعلومات عبر هذه البنى ذات الرتبة الأعلى، مستخدمة آليات الانتباه لتسمح للنموذج بالتركيز أكثر على الأدوار والمجموعات ذات الأهمية القصوى لتفكيك الشبكة. يجمع النموذج معلومات من الأدوار التركيبية الكلية والدور الإجرائي الجزئي في درجة تفكيك موحّدة لكل عقدة، تُفسَّر على أنها احتمالية انتماء هذه العقدة إلى مجموعة الهجوم المستهدفة. أثناء التدريب، يرشد تابع الخسارة الطريقة بموازنة هدفين: تقليص أكبر قطعة مترابطة في الشبكة مع إزالة أقل عدد ممكن من العقد. وبمجرد الانتهاء من التدريب، يقوم SPR ببساطة بترتيب العقد حسب الدرجة ويزيلها واحدة تلو الأخرى حتى تقلّ أكبر قطعة متبقية عن حجم محدد.

كم هو فعّال الأسلوب عمليًا

يختبر الباحثون SPR على تسع شبكات من العالم الحقيقي مأخوذة من سياقات اجتماعية وبيولوجية واتصالية، وكذلك على عدة نماذج شبكية اصطناعية. بالمقارنة مع عشرين طريقة رائدة، بما في ذلك مقاييس المركزية الكلاسيكية وتقنيات تعلم الآلة المتقدمة، عادةً ما يحتاج SPR إلى إزالة عدد أقل من العقد لينهي الشبكة. يتفوق بشكل خاص في الشبكات الغنية بالمجموعات المتلاحمة والهياكل المتداخلة ذات الرتبة الأعلى، حيث يمكن أن تضلل الطرق التقليدية القائمة على الدرجة بسبب التكتلات الكثيفة. كما أن SPR يؤدّي أداءً جيدًا على الشبكات الاصطناعية ذات أنماط الاتصال المختلفة ويظل فعالًا مع نمو الشبكات أو ازدياد كثافتها، رغم أن الأنظمة الأكثر كثافة بطبيعتها تتطلب مزيدًا من الإزالات.

ماذا يعني هذا للتحكم في الأنظمة المعقدة

بمصطلحات يومية، تُظهر هذه الدراسة أن النظر فقط إلى من يرتبط بمن لا يكفي للعثور على نقاط الضغط الحقيقية في شبكة معقدة. من خلال النظر أيضًا إلى من يعمل معًا في مجموعات، وكيف تشترك العقد في أدوار مماثلة عبر النظام، يمكن لـ SPR كشف لاعبين دقيقين لكن حاسمين يؤدي إزالة كل منهم إلى تفتيت الشبكة بأفضل شكل. ومع أن الدراسة تركز على التفكيك، فإن نفس الأفكار يمكن أن تساعد في مهام مثل اختيار الأشخاص لتلقي التطعيم لإبطاء المرض، أو الحسابات التي ينبغي مراقبتها لمنع العدوى المالية، أو العناصر التي ينبغي دعمها للحفاظ على استقرار أنظمة حيوية.

الاستشهاد: Zhou, W., Tan, S., Fang, Y. et al. Dismantling complex networks based on higher-order graph neural network. Commun Phys 9, 181 (2026). https://doi.org/10.1038/s42005-026-02601-y

الكلمات المفتاحية: تفكيك الشبكات, الشبكات المعقدة, الشبكات العصبية البيانية, التفاعلات ذات الرتبة الأعلى, مقاومة الشبكات