Структура сообществ раскрывает множественность путей в сложных сетях

Почему важно множество маршрутов

Когда вы отправляете сообщение онлайн, едете по городу или по нервным путям вашего мозга проходят сигналы, они перемещаются по сетям связей. Обычно нас интересует кратчайший путь от A до B. Но часто оптимальных путей не один — может существовать множество равноценных коротких вариантов. В этом исследовании показано, что причина появления столь многочисленных альтернативных кратчайших путей в том, как сеть разделена на плотные группы, или «сообщества». Понимание этой скрытой структуры помогает проектировать более безопасные, быстрые и надёжные системы в технике, городах и биологии.

Мир коротких, но колеблющихся путей

Десятилетиями учёные знали, что многие реальные сети — «малые миры»: даже при огромном числе узлов любые два связаны лишь несколькими шагами. Недавняя работа внесла уточнение: мы также живём в «колеблющемся мире», где пары узлов часто соединены множеством различных кратчайших путей. В нейронной сети с всего 242 регионами одна пара областей может быть связана 649 равноценных маршрутами. Это изобилие вариантов имеет значение. Оно может сделать сети более устойчивыми к сбоям связей, но также создавать узкие места, через которые проходит множество маршрутов, повышая риск перегрузки или атак. Для людей, машин или алгоритмов, которым нужно выбрать маршрут, слишком много равноценных вариантов может вызвать «перегрузку выбора» и замедлить принятие решений.

Измерение числа вариантов, которые предлагает сеть

Авторам сначала понадобился ясный способ количественно оценить, насколько «колеблюща» сеть. Они ввели индекс множественности путей, который усредняет число кратчайших путей между всеми парами узлов. Высокие значения означают много равноценных вариантов. Но большие или более плотные сети по определению дают больше путей, поэтому команда ввела относительный индекс: они сравнивали каждую реальную сеть со случайной сетью того же размера и плотности. Эта нормализованная мера показывает, какая часть богатства путей обусловлена внутренней организацией, а не просто большим числом связей. При тестировании 140 реальных сетей — из биологии, инфраструктуры и социальных систем — они обнаружили, что обычные сводные статистики (средняя степень, кластеризация или общая эффективность) мало объясняют это дополнительное богатство путей.

Сообщества как двигатель множества путей

Неожиданным виновником оказалась структура сообществ: склонность сети делиться на группы узлов, плотно связанных внутри и слабо связанных между группами. Используя несколько независимых мер корреляции, число сообществ показало значительно более сильную связь с относительной множественностью путей, чем любые другие метрики. Сети с большим числом чётких сообществ последовательно демонстрировали более высокий уровень множественности путей, чем сопоставимые сети с немногими, более размытыми группами. Визуальные сравнения реальных примеров подчёркивали это наблюдение: высокомодульные сети с множеством чётких кластеров показывали гораздо более богатые семейства кратчайших маршрутов, чем более однородные сети.

Проверка причинно-следственной связи с перестановкой связей

Одна лишь корреляция не доказывает причинность. Чтобы исследовать механизм, учёные провели контролируемую «операцию» на модельных сетях. Они многократно перемешивали рёбра так, чтобы либо максимизировать число кратчайших путей, либо максимизировать число сообществ, сохраняя при этом фиксированное число узлов и связей. Когда они стремились увеличить число кратчайших путей, число сообществ росло. Когда же они добивались увеличения числа сообществ, количество кратчайших путей тоже возрастало. Другие свойства, такие как кластеризация или ассоциативность, не демонстрировали такой сильной двунаправленной связи. Это свидетельствует о подлинной причинной связи: наращивание модульной, богатой сообществами структуры, как правило, порождает множество альтернативных кратчайших маршрутов и наоборот.

Простая модель племенных сетей

Чтобы наглядно отразить этот механизм, авторы предложили модель сети «Tribal Scale-Free» (племенная безмасштабная). В этой картине большая сеть состоит из нескольких «племён», каждое из которых является безмасштабным подсетевым образованием со своими центральными узлами. Эти племена затем соединяются контролируемым числом межплеменных связей. Такая структура естественно создаёт богатые интерфейсы между сообществами. При сравнении этой модели с классическими сетевыми моделями только племенная модель воспроизводила экстремальное разнообразие и степенной характер распределения множественности путей, наблюдаемые в реальных данных, включая самые высокие числа кратчайших путей и их средние значения.

Что это значит для реальных систем

Исследование приходит к выводу, что структура сообществ является основным фактором эффекта «колеблющегося мира»: чем яснее сеть разбита на сообщества, тем больше альтернативных кратчайших маршрутов она предложит. Проще говоря, границы между группами — такие как районы в городе, модули в мозге или круги общения — создают множество разных, но одинаково эффективных способов добраться из одного места в другое. Это понимание может направлять проектирование коммуникационных, транспортных и биологических сетей, которые одновременно устойчивы и эффективны, путём целенаправленного формирования сообществ и продумывания их взаимосвязей.

Цитирование: Deng, Y., Wu, J., Lu, X. et al. Community structure unveils the path multiplicity in complex networks. Nat Commun 17, 2283 (2026). https://doi.org/10.1038/s41467-026-70369-4

Ключевые слова: сложные сети, структура сообществ, коротчайшие пути, устойчивость сети, модульная топология