استفاده از تعداد اندکی اندازه گیری برای یافتن قربانیان یک بیماری؛ مسئله ای که قبلا غیر قابل حل تلقی می شد اما امروز جوابی برای آن پیدا شده است.
نحوه تراوش اطلاعات در شبکه برای افراد زیادی جالب است. به همین دلیل فیزیکدانان، دانش شبکه را برای درک بهتر آن ساخته اند. مدل های آن ها می تواند به دقت توصیف کند که چگونه بیماری در جامعه شیوع می یابد، چگونه شایعه در شبکه های اجتماعی پخش می شود و چگونه بدافزارها روی اینترنت گسترش می یابند.
به عبارت دیگر، با معلوم شدن منبع و ساختار شبکه، آن ها می توانند به دقت پیش بینی کنند که اطلاعات چگونه پخش می شوند. هرچند، فرایند معکوس یعنی تعیین منبع اطلاعات بعد از پخش، بسیار سخت تر است زیرا جذاب ترین شبکه ها بسیار بزرگ هستند و اندازه گیری تمام گره ها ناممکن است.
اما اکنون پدرو پنتو و دوستانش در مؤسسه پلی‌تکنیک فدرال لوزان[ii] در سوییس نشان داده اند که حتی اگر اطلاعاتی از چند گره داشته باشیم این کار امکان پذیر است. آن ها می گویند: «ما نشان دادیم که تخمین مکان چشمه توسط ناظران کم فاصله به شکل بنیادی امکان پذیر است.»
هرچند آن ها در ابتدا به توصیف نظری مسئله پرداختند، کارایی روش خود را با استفاده از داده های شیوع وبا(سال 2000) در استان کوازولو-ناتال[iii] آفریقای جنوبی تایید کردند. این داده ها شامل تعداد قربانیان و نقشه ای از شبکه آبراه این ناحیه است که بیماری از طریق آن گسترش یافته. «با بررسی تنها 20% جوامع، به خطای میانگین کمتر از 4 گام بین منبع تخمینی و اولین جامعه مبتلاشده دست یافتیم.» این نتیجه شگفت آوری است هرچند نواقصی نیز دارد. مشکل اول این است که در این روش فرض می کنیم درک خوبی از ساختار شبکه داریم، چیزی که برای شبکه های واقعی و بزرگ همیشه ساده نیست. مثلا در مورد وبا، بیماری به پایین دست رودخانه می رود که با دقت نقشه برداری می شود. اما این بیماری هنگام مهاجرت یک قربانی از یک منطقه به منطقه دیگر نیز سرایت می کند و کمی سازی این کار بسیار سخت تر است. مسئله دیگر این که گره ها می توانند سطح اهمیت متفاوتی در شبکه داشته باشند؛ بنابراین انتخاب گره ها برای نمونه برداری داده مهم است و هیچکس نمی داند انتخاب بهینه کدام است. با این وجود این رهیافت جدید باید کاربرد گسترده ای داشته باشد. این روش که می تواند اولین قربانیان شیوع وبا را پیدا کند، باید برای پدیده های مبتنی بر شبکه همانند شیوع یک ویروس رایانه ای یا اخبار یا شوایع نامناسب نیز قابل اعمال باشد. منبع Network Theory Breakthrough Reveals the Origin of Outbreaks, Physics arXiv blog, August 15, 2012, link
به عبارت دیگر، با معلوم شدن منبع و ساختار شبکه، آن ها می توانند به دقت پیش بینی کنند که اطلاعات چگونه پخش می شوند. هرچند، فرایند معکوس یعنی تعیین منبع اطلاعات بعد از پخش، بسیار سخت تر است زیرا جذاب ترین شبکه ها بسیار بزرگ هستند و اندازه گیری تمام گره ها ناممکن است.
اما اکنون پدرو پنتو و دوستانش در مؤسسه پلی‌تکنیک فدرال لوزان[ii] در سوییس نشان داده اند که حتی اگر اطلاعاتی از چند گره داشته باشیم این کار امکان پذیر است. آن ها می گویند: «ما نشان دادیم که تخمین مکان چشمه توسط ناظران کم فاصله به شکل بنیادی امکان پذیر است.»
هرچند آن ها در ابتدا به توصیف نظری مسئله پرداختند، کارایی روش خود را با استفاده از داده های شیوع وبا(سال 2000) در استان کوازولو-ناتال[iii] آفریقای جنوبی تایید کردند. این داده ها شامل تعداد قربانیان و نقشه ای از شبکه آبراه این ناحیه است که بیماری از طریق آن گسترش یافته. «با بررسی تنها 20% جوامع، به خطای میانگین کمتر از 4 گام بین منبع تخمینی و اولین جامعه مبتلاشده دست یافتیم.» این نتیجه شگفت آوری است هرچند نواقصی نیز دارد. مشکل اول این است که در این روش فرض می کنیم درک خوبی از ساختار شبکه داریم، چیزی که برای شبکه های واقعی و بزرگ همیشه ساده نیست. مثلا در مورد وبا، بیماری به پایین دست رودخانه می رود که با دقت نقشه برداری می شود. اما این بیماری هنگام مهاجرت یک قربانی از یک منطقه به منطقه دیگر نیز سرایت می کند و کمی سازی این کار بسیار سخت تر است. مسئله دیگر این که گره ها می توانند سطح اهمیت متفاوتی در شبکه داشته باشند؛ بنابراین انتخاب گره ها برای نمونه برداری داده مهم است و هیچکس نمی داند انتخاب بهینه کدام است. با این وجود این رهیافت جدید باید کاربرد گسترده ای داشته باشد. این روش که می تواند اولین قربانیان شیوع وبا را پیدا کند، باید برای پدیده های مبتنی بر شبکه همانند شیوع یک ویروس رایانه ای یا اخبار یا شوایع نامناسب نیز قابل اعمال باشد. منبع Network Theory Breakthrough Reveals the Origin of Outbreaks, Physics arXiv blog, August 15, 2012, link