Networks in Nature e-Tutor ricerca e azione I piccoli mondi dell’e-learnig Milano, 7 novembre 2003 Fabrizio Coccetti e Guido Caldarelli Cecile Caretta, Diego Garlaschelli, Luciano Pietronero, Vito Servedio, Federico Squartini Centro Studi e Ricerche e Museo Storico della Fisica “Enrico Fermi” Università di Roma “La Sapienza” 7 novembre 2003 Fabrizio Coccetti - Guido Caldarelli - et al. 1 Il messaggio da ricordare Nella maggior parte delle reti reali: Effetto Small World (il mondo è piccolo) Struttura 7 novembre 2003 Scale-free Fabrizio Coccetti - Guido Caldarelli - et al. 2 Agenda Esperimento di Stanley Milgram (1967) Small World Il problema dei ponti di Königsberg Teoria dei Grafi Strutture scale-free: Internet Esempi Vari 7 novembre 2003 Fabrizio Coccetti - Guido Caldarelli - et al. 3 L’esperimento di Milgram (1967) E’ possibile consegnare un messaggio ad un agente di cambio a Chicago partendo da persone prese a caso nel Nebraska ? 7 novembre 2003 Fabrizio Coccetti - Guido Caldarelli - et al. 4 Il mondo è piccolo ! In media meno di 6 passaggi !! Sei gradi di separazione 7 novembre 2003 Fabrizio Coccetti - Guido Caldarelli - et al. 5 La struttura delle reti sociali According to Mark Granovetter the shortcuts are the “weak links” 7 novembre 2003 Fabrizio Coccetti - Guido Caldarelli - et al. 6 Il mondo è piccolo La distanza massima tra due punti del sistema è un numero “piccolo”. Sistemi sociali (relazioni di amicizia, …) Sistemi di trasporto Sistemi Informatici (Internet, …) Sistemi Biologici (proteine, …) Sistemi ecologici (catene alimentari, …) 7 novembre 2003 Fabrizio Coccetti - Guido Caldarelli - et al. 7 I ponti di Königsberg E` possibile visitare tutte le parti della città di Königsberg passando tutti i ponti sul Pregel una sola volta ? NO! Leonard Euler (1736) mostrò che per essere un punto di passaggio un vertice deve avere un numero pari di archi (collegamenti). Solo i punti di partenza o di fine possono avere un numero dispari di collegamenti. Questo non è il caso di Königsberg. 7 novembre 2003 Fabrizio Coccetti - Guido Caldarelli - et al. 8 Il problema dipende dal tempo ? 1736 (Königsberg) Tutti i vertici hanno grado dispari. No way 2003 (Kaliningrad) Solo B e C hanno grado dispari. OK 7 novembre 2003 Fabrizio Coccetti - Guido Caldarelli - et al. 9 Topologia dei Grafi Un Grafo G(v,e) è un oggetto composto da v vertici and e archi Degree k (In-degree kin and out-degree kout ) = number of edges (oriented) per vertex Distance d = minimum number of edges amongst two vertices (in the connected region ) Diameter D = Maximum of the distances ( in the connected region !) Clustering = cliques distribution, or clustering coefficient Usually many quantities are needed In order to “classify” a network 7 novembre 2003 Fabrizio Coccetti - Guido Caldarelli - et al. 10 Topologia dei Grafi (segue) Degree frequency density P(k) = how many times you find a vertex whose degree is k P(k ) e P(k) pN ( pN ) k k! P ( k ) k k Degree Correlation Knn (k) = average degree of a neighbour of a vertex with degree k Fabrizio Coccetti - Guido Caldarelli - et al. 2003 Clustering7 novembre Coefficient (k) = the average value of c for a vertex whose degree is k 11 Topologia dei Grafi (segue) Centrality betweenness b(k) = The probability that a vertex whose degree is k has betweenness b betweenness of V is the number of distances between any pair of vertices passing through V TREES ONLY!!! P(A) = 11 1 1 V Probability Density for subbranches of size A Size distribution: 1 1 35 1 1 0,6 0,5 0,5 11 5 2 3 0,4 Allometric relations: 35 P(A ) C(A ) 30 25 33 22 20 0,3 15 1 1 22 8 0,2 0,1 0,1 0,1 0,1 0,1 A 0 10 7 novembre 2003 33 11 10 0,1 1 2 3 4 5 6Fabrizio Coccetti 7 8 9 10 Guido Caldarelli et al. 5 5 A 3 1 0 0 2 4 6 8 10 12 12 Aggregation in networks • Low level properties : Degree : the number of nearest neighbours, not their properties. (B.A. Model) • High level properties : How the individuality of nodes influence the formation of edges between them. (Our model) Example: Proprietà , , ,… Is there a correlation between properties of adjacent nodes? 7 novembre 2003 Maslov, Sneppen, Fabrizio Coccetti - Guido Caldarelli - et al. Zaliznyak, cond-mat/0205379. Catania et al., Am. J. of Public Health, 82: 284-287 (1992) . 13 Assortativity In a first approximation: Property of the node = its degree Assortative networks Disassortative networks • Real networks display one of these two tendencies, • “similar” networks display “similar” behaviours. Social networks 7 novembre 2003 Techological networks Fabrizio Coccetti - Guido Caldarelli - et al. 14 7 novembre 2003 Fabrizio Coccetti - Guido Caldarelli - et al. 15 Internet Autonomous Systems Exchange Point border routers Peering hosts Routers home networks 7 novembre 2003 Fabrizio Coccetti - Guido Caldarelli - et al. 16 Struttura Scale-free La maggior parte dei nodi ha poche connessioni Pochi nodi hanno moltissime connessioni Buona resistenza a guasti random Scarsa resistenza ad attacchi pianificati E’ una struttura diversa da reti random o reti regolari 7 novembre 2003 Fabrizio Coccetti - Guido Caldarelli - et al. 17 “Food Web” (ecological network) Set of interconnected food chains resulting in a much more complex topology: 7 novembre 2003 Fabrizio Coccetti - Guido Caldarelli - et al. 18 Ecosystems around the world Lazio Utah Amazonia Peruvian and Atacama Desert Ecosystem = Iran Argentina Set of all living organisms and environmental properties of a restricted geographic area we focus our attention on plants in order to obtain a good universality of the results we have chosen a great variety of climatic environments 7 novembre 2003 Fabrizio Coccetti - Guido Caldarelli - et al. 19 •From Linnean trees to graph theory Linnean Tree = hierarchical structure organized on different levels, called taxonomic levels, representing: phylum subphylum • classification and identification of different plants class • history of the evolution of different species subclass order family A Linnean tree already has the topological structure of a tree graph genus species • each node in the graph represents a different taxa (specie, genus, family, and so on). All nodes are organized on levels representing the taxonomic one • all link are up-down directed and each one represents the belonging of a taxon to the relative upper level taxon Connected graph without loops or double-linked nodes 7 novembre 2003 Fabrizio Coccetti - Guido Caldarelli - et al. 20 •Scale-free properties P(k) Degree distribution: k P ( k ) k ~ 2.5 0.2 The best results for the exponent value are given by ecosystems with greater number of species. For smaller networks its value can Fabrizio Coccetti - Guido Caldarelli - et al. 7 novembre 2003 increase reaching = 2.8 - 2.9 . 21 •Protein Interaction Network of Yeast Saccaromyces Cerevisiae Lievito di Birra 7 novembre 2003 Fabrizio Coccetti - Guido Caldarelli - et al. 22 • Portfolio Composition Investors or Companies not traded at Borsa di Milano (Italy) 7 novembre 2003 Fabrizio Coccetti - Guido Caldarelli - et al. Companies traded at Borsa di Milano (Italy) 23 • Portfolio Composition 7 novembre 2003 Fabrizio Coccetti - Guido Caldarelli - et al. 24 • Portfolio Composition 7 novembre 2003 Fabrizio Coccetti - Guido Caldarelli - et al. 25 • Portfolio Composition 7 novembre 2003 Fabrizio Coccetti - Guido Caldarelli - et al. 26 • Board of Directors 7 novembre 2003 Fabrizio Coccetti - Guido Caldarelli - et al. 27 COSIN COevolution and Self-organisation In dynamical Networks RTD Shared Cost Contract IST-2001-33555 http://www.cosin.org • • • • • Nodes Period of Activity: Budget: Persons financed: Human resources: 6 in 5 countries April 2002-April 2005 1.256 M€ 8-10 researchers 371.5 Persons/months EU countries Non EU countries EU COSIN participant Non EU COSIN participant 7 novembre 2003 Fabrizio Coccetti - Guido Caldarelli - et al. 28 References http://www.cosin.org/ http://www.cosin.org/Publications.html http://pil.phys.uniroma1.it/~gcalda/Publications.html http://www.nd.edu/~alb/public.html http://www1.cs.columbia.edu/~sanders/graphtheory/pe ople/Bollobas.B.html 7 novembre 2003 Fabrizio Coccetti - Guido Caldarelli - et al. 29