Il CREF promuove linee di ricerca originali e di grande impatto, improntate ai metodi della fisica, ma con un forte carattere interdisciplinare e in relazione con i principali problemi della moderna società della conoscenza.
CREF nasce con la duplice anima di Centro di Ricerca e di Museo Storico, con l’intento di conservare e diffondere la memoria di Enrico Fermi, oltre che favorire un’ampia diffusione e comunicazione della cultura scientifica.
→ Europe/Rome
Complex networks often exhibit a rich architecture organized over multiple intertwined scales. Information pathways are expected to pervade these scales, reflecting structural insights that are not manifest from analyses of the network topology. Moreover, small-world effects correlate the different network hierarchies making the identification of coexisting mesoscopic structures and functional cores a difficult task. We first present a thermodynamic interpretation of effective information pathways throughout complex networks based on information diffusion and statistical mechanics to illuminate these issues [1]. This leads us to a formulation of a new and general Renormalization Group scheme for heterogeneous networks that permits to change resolution scale in a physically motivated way. The Renormalization Group (RG) is the cornerstone of the modern theory of scale transformation, universality, and phase transitions, a powerful tool to scrutinize symmetries and organizational scales in dynamical systems. However, its network counterpart is particularly challenging due to correlations and small-world coupling between intertwined scales. Here, we propose a Laplacian Renormalization Group (LRG) diffusion-based approach to complex networks, defining the coarse-grained supernodes and superedges concept à la Kadanoff, the equivalent of the momentum space RG procedure à la Wilson for graphs and applying this RG scheme to real networks in a natural and parsimonious way to define proper scale transformation at arbitrarily resolution scale, study the topological organisation of the network [2] and detect characteristic structures [3].
[1] P. Villegas, A. Gabrielli, G. Caldarelli, T. Gili, Laplacian paths in complex networks: Information core emerges from entropic transitions, Physical Review Research 4, 033196 (2022).
[2] P. Villegas, T. Gili, G. Caldarelli, A. Gabrielli, Laplacian Renormalization Group for heterogeneous networks, Nature Physics 19, 445–450 (2023).
[3] P. Villegas, A. Gabrielli, A. Poggialini, T. Gili, Multi-scale Laplacian community detection in heterogeneous networks, https://arxiv.org/abs/2301.04514
Contatti
info@cref.it
PEC: centrofermi@pec.centrofermi.it
CUU: UF5JTW
Telefono: +39 06 4550 2901
Partita: IVA 06431991006
Codice fiscale: 97214300580
Via Panisperna 89 A – 00184 Roma
Questo sito utilizza i cookie per migliorare la sua esperienza di navigazione. Quelli di natura tecnica sono indispensabili per permettere il corretto funzionamento del sito e sono impostati “attivi” di default.
È possibile proseguire la navigazione, con i soli cookie tecnici, cliccando la “x” in alto a destra ovvero il tasto “nega” presente nel banner. Ciò in quanto il comando switch per attivare o disattivare le altre tipologie di cookie “statistiche” e “marketing” è programmato, per impostazione predefinita, sulla modalità “disattivo”. Solo previo suo consenso, infatti, useremo tali ulteriori tipologie di cookie, anche di terze parti; in particolare, se intende accettarle tutte può cliccare il tasto “accetta” ovvero, se intende accettare solo alcune tipologie, può attivarle, spuntandole, attraverso il tasto “Visualizza le preferenze” e quindi salvare le impostazioni utilizzando il pulsante “Salva preferenze”.
Per maggiori informazioni, la invitiamo a consultare le nostre cookie policy e privacy policy.