Cui, Kai ; KhudaBukhsh, Wasiur R. ; Koeppl, Heinz (2024)
Motif-based mean-field approximation of interacting particles on clustered networks.
In: Physical Review E, 2022, 105 (4)
doi: 10.26083/tuprints-00028854
Artikel, Zweitveröffentlichung, Verlagsversion
 | Es ist eine neuere Version dieses Eintrags verfügbar. |
Kurzbeschreibung (Abstract)
Interacting particles on graphs are routinely used to study magnetic behavior in physics, disease spread in epidemiology, and opinion dynamics in social sciences. The literature on mean-field approximations of such systems for large graphs typically remains limited to specific dynamics, or assumes cluster-free graphs for which standard approximations based on degrees and pairs are often reasonably accurate. Here, we propose a motif-based mean-field approximation that considers higher-order subgraph structures in large clustered graphs. Numerically, our equations agree with stochastic simulations where existing methods fail.
| Typ des Eintrags: | Artikel |
|---|---|
| Erschienen: | 2024 |
| Autor(en): | Cui, Kai ; KhudaBukhsh, Wasiur R. ; Koeppl, Heinz |
| Art des Eintrags: | Zweitveröffentlichung |
| Titel: | Motif-based mean-field approximation of interacting particles on clustered networks |
| Sprache: | Englisch |
| Publikationsjahr: | 16 Dezember 2024 |
| Ort: | Darmstadt |
| Publikationsdatum der Erstveröffentlichung: | 2022 |
| Ort der Erstveröffentlichung: | College Park, MD |
| Verlag: | American Physical Society |
| Titel der Zeitschrift, Zeitung oder Schriftenreihe: | Physical Review E |
| Jahrgang/Volume einer Zeitschrift: | 105 |
| (Heft-)Nummer: | 4 |
| Kollation: | 7 Seiten |
| DOI: | 10.26083/tuprints-00028854 |
| URL / URN: | https://tuprints.ulb.tu-darmstadt.de/28854 |
| Zugehörige Links: | |
| Herkunft: | Zweitveröffentlichungsservice |
| Kurzbeschreibung (Abstract): | Interacting particles on graphs are routinely used to study magnetic behavior in physics, disease spread in epidemiology, and opinion dynamics in social sciences. The literature on mean-field approximations of such systems for large graphs typically remains limited to specific dynamics, or assumes cluster-free graphs for which standard approximations based on degrees and pairs are often reasonably accurate. Here, we propose a motif-based mean-field approximation that considers higher-order subgraph structures in large clustered graphs. Numerically, our equations agree with stochastic simulations where existing methods fail. |
| Freie Schlagworte: | Complex systems, Epidemic, Dynamical mean field theory, Mean field theory |
| Status: | Verlagsversion |
| URN: | urn:nbn:de:tuda-tuprints-288549 |
| Sachgruppe der Dewey Dezimalklassifikatin (DDC): | 500 Naturwissenschaften und Mathematik > 530 Physik 600 Technik, Medizin, angewandte Wissenschaften > 621.3 Elektrotechnik, Elektronik |
| Fachbereich(e)/-gebiet(e): | 18 Fachbereich Elektrotechnik und Informationstechnik 18 Fachbereich Elektrotechnik und Informationstechnik > Self-Organizing Systems Lab |
| Hinterlegungsdatum: | 16 Dez 2024 14:04 |
| Letzte Änderung: | 16 Jan 2025 15:22 |
| PPN: | |
| Export: | |
| Suche nach Titel in: | TUfind oder in Google |
Verfügbare Versionen dieses Eintrags
- Motif-based mean-field approximation of interacting particles on clustered networks. (deposited 16 Dez 2024 14:04) [Gegenwärtig angezeigt]
 |
Frage zum Eintrag |
Optionen (nur für Redakteure)
 |
Redaktionelle Details anzeigen |
Drucken
Impressum