SIS Lab Эпидемии в безмасштабных сетях
Пауза
Интерактивная реплика исследования

Почему хабы удерживают эпидемию

Запустите одну и ту же SIS‑динамику на безмасштабной сети Барабаши—Альберта и на случайной сети с той же средней степенью. Меняйте скорость распространения, источник заражения и иммунитет; затем сопоставляйте визуальную динамику с аналитическими зависимостями статьи.

S ↔ I λ = ν / δ P(k) ∼ k−3 ⟨k⟩ ≈ 2m параллельное обновление

Параметры эксперимента

Изменение N или m перестраивает обе сети. Остальные параметры применяются при сбросе состояния.

Для графики и конечной симуляции
Средняя степень ≈ 2m
ν/δ; δ фиксировано
Только скорость анимации
Источник применяется при сбросе
Используется для режима «доля»
Расширение за пределами базовой модели
Сравните таргетирование и случайный выбор
Сценарии
ρ · безмасштабная
0,000
0 заражённых
ρ · случайная
0,000
0 заражённых
λHMF · BA, конечная
⟨k⟩ / ⟨k²⟩
λHMF · ER, конечная
ориентир порога
ρ · теория BA
2e−1/(mλ), низкий λ
Время
0
параллельных шагов
Безмасштабная сеть BA
Построение сети…
SIиммунны
Нажмите на узел, чтобы заразить или вылечить его.I: 0
Случайная сеть ER
Построение сети…
SIиммунны
Та же средняя степень, но существенно слабее хвост P(k).I: 0

Динамика распространённости ρ(t)

Одна конечная реализация; при достижении ρ = 0 сеть остаётся в поглощающем состоянии.

BAER

Распределение степеней P(k)

Логарифмические оси. Для BA ожидается тяжёлый хвост около k−3.

BAERнаклон −3

Заражение узлов по степени ρk

Точки — текущая BA‑симуляция; линия — ρk = kλΘ / (1+kλΘ) с наблюдаемым Θ.

наблюдениесреднее поле

Сканирование скорости λ: аналог рисунка 2

По оси x — 1/λ, по оси y — ρ в логарифмическом масштабе. Численные точки усредняются только по выжившим реализациям; теоретическая линия относится к базовой модели без иммунитета.

Теоретическая линия готова

Уравнения, которые проверяет лаборатория

Аналитическое неоднородное среднее поле учитывает различия между узлами разной степени.

tρk = −ρk + λk(1−ρk

Излечение конкурирует с заражением через k связей.

ρk = kλΘ / (1+kλΘ)

Вероятность заражения монотонно растёт с числом связей.

λc ≈ ⟨k⟩ / ⟨k²⟩

Для P(k) ∼ k−3 второй момент растёт с размером сети, поэтому порог стремится к нулю.

ρ ≈ 2e−1/(mλ)

Порог отсутствует, но распространённость при малом λ экспоненциально мала.

Журнал наблюдений

Фиксируйте состояния, сравнивайте сценарии и выгружайте таблицу в CSV.

№ / времяNmλρ BAρ ERλHMF BAλHMF ERиммунитетисточник
Журнал пока пуст.
Методика, соответствие статье и ограничения

Топология. BA‑граф строится предпочтительным присоединением: новый узел добавляет m связей, а вероятность выбрать старый узел пропорциональна его текущей степени. Сравнительный ER‑граф получает приблизительно столько же рёбер, поэтому ⟨k⟩ у двух сетей близки.

SIS‑динамика. Состояния всех узлов обновляются параллельно. За один шаг инфицированный узел выздоравливает с вероятностью δ = 0,2. Для восприимчивого узла с q инфицированными соседями используется вероятность заражения 1 − (1 − ν)q, где ν = λδ. Это дискретная реализация независимой передачи по связям и соответствует члену λkΘ в уравнении среднего поля.

Распространённость. Во всех режимах ρ — доля инфицированных от полного числа N, включая иммунные узлы в знаменателе.

Стационарные точки. Серия по λ использует меньшие служебные сети (до 460 узлов), несколько независимых запусков, переходный режим и последующее усреднение. Нулевые точки означают, что ни одна конечная реализация не дожила до окна измерения.

Ограничения. Статья моделировала сети вплоть до N = 8,5×106 и усредняла по множеству реализаций; браузерная лаборатория сознательно использует меньшие N. Поэтому она демонстрирует механизм и конечные эффекты, но не заменяет крупномасштабное воспроизведение. Иммунитет — отдельное расширение, которое в статье указано как дальнейшее направление.

Источник. Romualdo Pastor‑Satorras, Alessandro Vespignani, “Epidemic spreading in scale‑free networks”, arXiv:cond-mat/0010317v1.