Full Online Text
http://necsi.edu/publications/dcs/index.html

🎞 🐶https://www.ted.com/talks/nicolas_perony_puppies_now_that_i_ve_got_your_attention_complexity_theory?language=en

🦇 https://scienmag.com/night-owls-have-larger-social-networks-than-early-birds/

#سمینارهای_هفتگی گروه سیستم‌های پیچیده و علم شبکه دانشگاه شهید بهشتی

🔹دوشنبه، ۲۰ آذرماه، ساعت ۱۷ - کلاس۱ دانشکده فیزیک دانشگاه شهید بهشتی.

@carimi

⭕️ معيارهای استحکام در شبکه های پيچيده و اجتماعی
Graph Metrics for Complex and Social Networks Robustness

دکتر فرشاد صفایی، دانشکده مهندسی و علوم کامپیوتر دانشگاه شهید بهشتی

🔗 خلاصه
در عصر حاضر که سرعت و حجم ارتباطات و اطلاعات به طرزی باورنکردنی رشد یافته، سیستم­‌های انسانی مانند علوم روانشناسی، اجتماعی و اقتصادی با مسائل عدیده­‌ای دست و پنجه نرم می­‌کنند که روش­‌های کلاسیک در پاسخ به آن­‌ها ناتوان­اند. چنین دلایلی باعث جلب توجه فراوان و حرکت به سوی گرایش­‌های میان رشته­‌ای شده است. شبکه اجتماعی یک ساختار اجتماعی است که از مجموعه­‌ای از عامل­‌ها و مجموعه پیچیده­‌ای از روابط مابین این عامل­‌ها تشکیل شده است. امکانات ارتباطی وسیع و پردامنه­‌ای که شبکه­‌های ارتباطی در دنیای مجازی در اختیار افراد قرار می­‌دهد سبب شده که این قبیل شبکه­‌ها از مرزهای مرسوم جغرافیایی فراتر رفته و تاثیر مستقیم خویش را بر شکل­‌گیری روابط انسانی، تسهیل، تقویت و نیز در مواردی تضعیف برخی شکل­‌های مالوف سنتی برجای بگذارند. در این شبکه­‌ها، افراد و سازمان­‌ها به­‌واسطه علایق، سلایق، عقاید و منافع مشترک با یکدیگر در ارتباط­‌اند و می­توان آن­ها را به مانند گراف بزرگی انگاشت که متشکل از گره­‌هایی هستند که توسط یک یا چند نوع خاص از وابستگی به یکدیگر اتصال یافته­‌اند. شبکه­‌های پیچیده نیز یک زمینه میان­‌رشته­‌ای است که به مطالعه، بررسی و تحلیل شبکه­‌هایی اختصاص دارد که در سیستم­‌های پیچیده­ نمایان می­شوند. این سیستم­‌ها نگاهی نو به پديده­‌هایی دارند که به علت ارتباط بين اجزای آن و نیز ارتباط با سایر پديده­‌ها از پيچيدگی بالايی برخوردارند و رفتار جمعی متفاوتی را از خویش برُوز می­‌دهند. مطالعات كیهان شناسی، فیزیک آماری، ساختارهای بی­‌نظمی در مواد، زیست شناسی، جامعه­‌شناسی، اقتصاد و مهندسی نمونه­‌هایی از کاربردهای شبکه­‌های پیچیده را به نمايش گذاشته­‌اند. این شبکه­‌ها که بخش مهمی از دنیای پیرامون ما را شکل می‌دهند در عملکرد روزانه ما و سایر موجودات دخالتی تام و تمام دارند؛ با این همه، به ندرت قادرند تا در برابر گستره وسیعی از چالش­‌ها از جمله حملات هوشمند، اشکالات نرم­افزاری و سخت­افزاری و اشتباهات انسانی، تاب­‌آوری مورد انتظار را برای سرویس­‌دهی به تمامی نقش­‌هایی که پذیرا شده­‌اند نمایش دهند. در اکولوژی، استحکام صفت مهمی از اکوسیستم است که می­‌تواند به واکنش در قبال آشفتگی­‌هایی همچون انقراض گونه­‌ها و نسل­‌ها مرتبط باشد. در بیولوژی، سودمندی استحکام شبکه در جهت مطالعه بیماری­‌ها و جهش ژن­‌ها است. در علم اقتصاد، اقتصاد مقاومتی میتواند درک ما را از تورم، ریسک­‌های سیستم­‌های بانکداری و امثال آن افزایش دهد. در سیستم­‌های حمل و نقل، خرابی­‌ها ممکن است اثرات جدی و اختلال در امر جابه­‌جایی به دنبال داشته باشند. در مهندسی نیز مطالعه استحکام می­‌تواند برای ارزیابیِ تاب­آوری شبکه­‌های زیرساخت مانند اینترنت، وب و نیروگاه­های برق سودمند باشد. بدین سیاق، انگیزش اصلی بسیاری از مطالعات اختصاص یافته به طراحی شبکه­‌های مستحکم ناشی از کاربردهایی حیاتی آن­ها در شبکه­‌های ارتباطی، نیروگاه­‌ها، سیستم­های حمل و نقل، شبکه ­های سنسور، شبکه­‌های لجستیکی و امثالهم بوده است. استحکام در شبکه­‌های پیچیده و زیرساخت­‌های پیشرفته امروزی یکی از ویژگی­‌های حیاتی و مهم آن به شمار می‌رود و در طی سالیان اخیر به یکی از زمینه­‌های پژوهشی جذاب و رو به رشد تبدیل شده است. این زمینه پژوهشی به دنبال آن است تا راه­کارها و مکانیزم­‌هایی را جهت بهبود اتصال­‌پذیری شبکه­‌های پیچیده در برابر خرابی­‌های تصادفی و حملات سیستماتیک جستجو کند. تاکنون معیارهای مختلف و متنوعی برای سنجش و ارزیابی میزان استحکام و تاب­‌آوری شبکه­‌های پیچیده ارائه شده و بخش مهمی از این معیارها به نظریه گراف و مطالعه و بررسی آن اختصاص یافته است. در این گفتار بنا داریم مرور نسبتاً جامعی درباره این معیارها داشته باشیم و توانایی و محدودیت­‌های آن­ها را در تجزیه و تحلیل استحکام شبکه­‌های پیچیده و اجتماعی نمایش داده و یک مجموعه ابزار مفهومی را به منظور تسهیل در تحلیل استحکام شبکه­‌های پیچیده و اجتماعی و انطباق آن­ها با زمینه­‌های پژوهشی­ و عَملی فراهم سازیم.

کلید واژه­‌ها: شبکه­‌های پیچیده (Complex networks)، شبکه­‌های اجتماعی (Social Networks)، استحکام (Robustness)، تاب­‌آوری (Resilience)، نظریه گراف (Graph theory)، خرابی­‌های تصادفی (Failures)، حملات هدفمند (Targeted attacks)

💠 https://www.nature.com/articles/d41586-017-07690-y

پیشنهادهایی برای یادگیری بازبهنجارش بدون درگیرشدن بیش از حد با نظریه میدان!

https://en.wikipedia.org/wiki/Renormalization#General_introduction

در مورد گذارفاز تپولوژیک و جایزه نوبل سال گذشته بیشتر بدونید:

https://johncarlosbaez.wordpress.com/2016/10/07/kosterlitz-thouless-transition/

🍏 https://medium.com/@abbascarimi/advice-for-the-young-scientist-c39ce2f7809e

🙊 https://mobile.nytimes.com/2017/12/07/science/brain-information-monkeys.html?_r=0&referer=https://t.co/iLbJ22uTXa?amp=1

First AlphaZero learned go, just by playing itself, becoming the world's best player in 40 days. Now it has taught itself to be the world's best chess player - crushing all others.

🚶‍♀Great review on random walks and diffusion on networks:

https://www.sciencedirect.com/science/article/pii/S0370157317302946

⌨ https://www.johndcook.com/blog/2017/12/12/efficiency-is-not-associative-for-matrix-multiplication/