スケーラブルな確率ネットワークにおける非マルコフ過程とエージェントの異質性の統合

なぜランダム性と記憶が重要なのか

感染と戦う免疫細胞から会議で交流する人々、金融市場での取引に至るまで、私たちの生活を形作る多くのシステムは予測不能な形で進化します。研究者はこの不確実性を捉えるために数学的な「確率的」モデルを用いますが、一般的な手法はしばしば全てのアクターが同一で過去を持たない（記憶がない）という仮定を置きます。本論文はMOSAICと呼ばれる新しいフレームワークを導入し、各個体がそれぞれ固有のリズムと履歴に従えるようにしつつ、単一のコンピュータで動かせるほど高速なシミュレーションを維持します。

忘却する系を超えたランダム性

広く使われるギレスピーアルゴリズムのような従来のシミュレーション手法は、ある事象の発生確率が「今起こっている事象だけ」に依存し、最後に何かが起きてからどれだけ時間が経ったかには依らないとみなします。この「記憶のない」見方は数理的に扱いやすく計算効率も高いですが、現実のシステムはめったにそのように振る舞いません。細胞は分や時間単位で進行する内部プログラムを持ち、人は活動の集中と静寂の波を示し、相互作用はしばしば過去に誰が誰と会ったかに依存します。これらの記憶効果や個体差を無視すると、データに見られる重要な特徴を見逃すことがあります。記憶や多様性を取り入れようとする既存の試みは、特に多くの相互作用するエージェントがいる場合に、遅く扱いにくくなることが多いです。

多様な個体をシミュレートする新しい方法

MOSAIC（Modeling of Stochastic Agents with Individual Complexity）は、細胞分裂、分子反応、社会的接触など、考え得る各イベントを個別のプロセスとみなし、それぞれに固有の時計を与えることでこの課題に取り組みます。あらゆるプロセスの正確な発生率を逐一更新する代わりに、MOSAICは何が起こりうるかの最大上限だけを管理します。各ステップで時間を進め、候補となるプロセスをランダムに選び、その時点での実際の発生確率に基づいてそのイベントを採用するか否かを決めます。この「棄却サンプリング」の手法により、イベントは正しい確率で発生しつつ、他のアプローチを遅くする煩雑な管理を回避できます。重要なのは、各プロセスが現実的な長い裾野を持つ遅延や尖った遅延など独自の待ち時間パターンを持てること、さらに条件変化やエージェントの特性に応じて応答できることを速度を犠牲にせず実現できる点です。

フレームワークの検証

MOSAICの能力を示すために、著者らは非常に異なる三つの問題に適用しています。まず、免疫系のB細胞が限られた数のT細胞からの助けを巡って競合する様子をモデル化します。個々のB細胞クローンは標的への結合強度が異なり、より親和性の高いクローンが徐々に優勢になります。標準的な手法では膨大な数のB–Tの組合せを追跡する必要がありますが、MOSAICは可能な遭遇をサンプリングし、より強い競合相手が弱いものを置き換えられる場合にのみ受理します。これにより「勝者」クローンの観察されるパターンを再現しつつ、系の規模が大きくなっても計算時間がほとんど一定に保たれます。次に、自己抑制的な遅延フィードバックループを持つ遺伝子Hes1を調べます。ここではRNAが生成され、ゆっくりと伸長されてからタンパク質に翻訳され、その遅延や速度は系の混雑度に依存します。MOSAICは状態依存の非指数的遅延を自然に扱い、遅延が開始された後は古い遅延ベースの手法では更新できないようなRNAやタンパク質レベルの現実的な振動を捉えます。

時間とともに変化する社会的結びつきを追う

三つ目の検証は人間の行動に向けられます：学会に集まった数百人の対面接触です。この設定では、人々は長い非活動期間と短く強烈な会話のバーストを交互に経験し、既に会った相手とは再び会話する確率が高くなります。著者らはフレームワークを時系列ネットワークに拡張し、その派生形をMOSAIC-TNと呼びます。各人は新たな相互作用を始めるまでの時間を支配する内部時計を持ち、二者間の遭遇は双方の活動度と過去のつながりに依存します。少数の要素だけで、MOSAIC-TNは人々が会話の間に待つ時間の重い裾野分布、会話の継続時間、社会ネットワークの凝集の強さといったパターンを再現し、競合モデルより実データとの適合が良く、計算スケーリングも良好に保たれます。

複雑系への意味

日常的な言葉で言えば、MOSAICは個々が独自の癖や記憶を持つ大規模で雑然とした系を、スパコンや過度に単純化した仮定なしにシミュレートできることを示します。古典的な確率アルゴリズムの数理的厳密さと速度をエージェントベースモデルの柔軟性と結びつけることで、胚中心、遺伝子制御回路、社交の場など多様な系を研究する共通の言語を提供します。重要なメッセージは、個性と履歴はオプションではないということです：それらは効率的なシミュレーションに直接組み込むことができ、多様なアクターとその記憶が集合的振る舞いを形作る仕組みをより忠実に描き出します。

引用: 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

キーワード: 確率シミュレーション, 非マルコフ過程, エージェントベースモデリング, 時系列ネットワーク, 免疫および遺伝子制御