איחוד דינמיקות לא-מרקוביות והמגוון של סוכנים ברשתות סטוכסטיות בסקלביליות גבוהה

מדוע מקריות וזיכרון חשובים

רבים מהמערכות שמעצבות את חיינו — מתאי חיסון הנאבקים בזיהום ועד אנשים שמתקהלים בכנס או עסקאות בשווקים פיננסיים — מתפתחות באופן בלתי צפוי. חוקרים משתמשים במודלים מתמטיים "סטוכסטיים" כדי לתאר את המקריות הזו, אך רוב הכלים הנפוצים מניחים שכל השחקנים זהים וללא זיכרון מהעבר. מאמר זה מציג מסגרת חדשה, בשם MOSAIC, ששובר את ההנחות האלה, ומאפשרת שכל פרט יעקוב אחרי קצב והיסטוריה פנימית משלו ועדיין שומרת על מהירות סימולציה שמספקת הרצה על מחשב בודד.

מקריות שמעבר למערכות שוכחות

שיטות סימולציה קלאסיות, כמו אלגוריתם גילספי הפופולרי, מתייחסות למערכות מורכבות כאילו הסיכוי לאירוע תלוי רק במה שקורה עכשיו, ולא במשך הזמן שעבר מאז אירוע קודם. התפיסה ה"ללא זיכרון" הזו עובדת מתמטית ויעילה חישובית, אך מערכות מציאותיות נדירות מתנהגות כך. לתאים יש תוכניות פנימיות המתפרשות לאורך דקות או שעות, אנשים מראים מתקפות פעילות ואחריהן רגיעה, ואינטראקציות תלויות לעתים במי פגש במי קודם לכן. כאשר השפעות זיכרון ושונות פרטנית מתעלמים מהן, המודלים עלולים לפספס תכונות חשובות הנסתרות בנתונים. ניסיונות קיימים להוסיף זיכרון או גיוון בדרך כלל הופכים לאיטיים או מסורבלים, במיוחד כאשר יש הרבה סוכנים שפועלים זה על זה.

דרך חדשה לסימולציה של פרטים מגוונים

MOSAIC (Modeling of Stochastic Agents with Individual Complexity) מתמודדת עם האתגר בכך שהיא מטפלת בכל אירוע אפשרי — כגון חלוקת תא, תגובה מולקולרית או מגע חברתי — כהליך עצמאי עם שעון אישי. במקום לעדכן כל הזמן את קצב כל התהליך במדויק, MOSAIC שומרת מעקב אחרי גבול עליון בודד על כמה מהר יכול לקרות דבר מה. בכל צעד היא מקדמת את הזמן, בוחרת תהליך מועמד באקראי, ואז מחליטה אם האירוע אכן מתרחש על בסיס הסבירות הנוכחית שלו. הטריק של "דגימת דחייה" מבטיח שהאירועים יקרו עם ההסתברויות הנכונות אך מונע את ניהול החשבונות הכבד שמאט שיטות אחרות. מהותי לכך, לכל תהליך יכול להיות דפוס המתנה משלו, כולל עיכובים עם זנבות ארוכים ריאליסטיים או פיקים צרים, והוא יכול להגיב לתנאים משתנים או לתכונות סוכן מבלי לוותר על מהירות.

בחינת המסגרת במבחן

כדי להדגים מה MOSAIC יכולה לעשות, המחברים מיישמים אותה בשלוש בעיות שונות מאוד. ראשית, הם מדמים כיצד תאי B במערכת החיסון מתחרים על עזרה ממאגר קטן של תאי T. משפחות תאי B שונות בחוזק הקשירה שלהם ליעד, ומשפחות בעלות מายנות גבוהה יותר שולטות בהדרגה. שיטות סטנדרטיות חייבות לעקוב אחרי מספר עצום של צמדי B–T אפשריים; MOSAIC במקום זאת מדגמת מפגשים פוטנציאליים ומקבלת רק את אלה שבהם מתחרה חזקה יותר יכולה להדיח חלשה יותר. זה משחזר דפוסים נצפים של קלונות "מנצחות" תוך שמירה על זמן חישוב כמעט קבוע ככל שהמערכת גדלה. שנית, הם חוקרים גן בשם Hes1, שמכבה את עצמו דרך משוב שלילי עם עיכוב. כאן מולקולות RNA מיוצרות, מוארכות לאט ואז מתורגמות לחלבון, כאשר העיכוב והקצב תלויים בצפיפות המערכת. MOSAIC מטפלת באופן טבעי בעיכובים תלויי-מצב שאינם אקספוננציאליים, ותופסת תנודות ריאליסטיות ברמות RNA וחלבון שכלים ישנים מבוססי-עיכוב אינם יכולים לעדכן ברגע שעיכוב התחיל.

מעקב אחר קשרים חברתיים שמשתנים עם הזמן

המבחן השלישי פונה להתנהגות אנושית: קשרים פנים-אל-פנים בין מאות אנשים בכנס מדעי. בהקשר זה, אנשים מתחלפים בין תקופות ארוכות של חולשה ופרצי שיחה אינטנסיביים קצרים, והם נוטים יותר לשוחח שוב עם מי שכבר פגשו. המחברים מרחיבים את המסגרת לרשתות זמניות, וקוראים לגרסה MOSAIC-TN. לכל אדם יש שעון פנימי השולט כמה מהר הוא צפוי להתחיל אינטראקציה חדשה, ומפגשים זוגיים תלויים בפעילות שניהם ובהיסטוריה שלהם ביחד. עם רק כמה מרכיבים, MOSAIC-TN משכפלת את דפוסי הזנב הכבד של משך ההמתנה בין שיחות, משך האינטראקציות וכמה צפופה הרשת החברתית — תואמת נתונים אמיתיים טוב יותר ממודלים מתחרים ובאותו זמן שומרת על סקלביליות חישובית טובה.

מובן הדבר למערכות מורכבות

באופן יומיומי, MOSAIC מראה שאפשר לדמות מערכות גדולות ומבולגנות שבהן לפרטים יש מוזרויות וזיכרונות משלהם בלי צורך בסופרמחשבים או בפישוטים קיצוניים. על ידי חיבור הקפדנות המתמטית והמהירות של אלגוריתמים סטוכסטיים קלאסיים עם הגמישות של מודלים מבוססי-סוכנים, היא מספקת שפה משותפת ללימוד מערכות מגוונות כמו מרכזי נבט, מעגלי בקרה גנטית והתכנסויות חברתיות. המסר המרכזי הוא שהפרטניות וההיסטוריה אינן תוספות אופציונליות: ניתן לבנותן ישירות לסימולציות יעילות, ולהציע תמונה נאמנה יותר של איך שחקנים מגוונים וזיכרונותיהם משולבים בעיצוב התנהגות קולקטיבית.

ציטוט: Pélissier, A., Phan, M., Le Bail, D. et al. Unifying non-Markovian dynamics and agent heterogeneity in scalable stochastic networks. Nat Commun 17, 3345 (2026). https://doi.org/10.1038/s41467-026-69817-y

מילות מפתח: סימולציה סטוכסטית, דינמיקות לא-מרקוביות, מודלים מבוססי-סוכנים, רשתות זמניות, מנגנוני חיסון ובקרה גנטית