전염병 모델링에 대한 새로운 접근 방식으로 전염병 시뮬레이션 속도를 높일 수 있습니다.

[아름이]

전염병 모델링에 대한 새로운 접근 방식으로 전염병 시뮬레이션 속도를 높일 수 있습니다.
날짜:
2023년 1월 5일
원천:
산타페 연구소
요약:
연구자들은 네트워크의 어떤 링크가 질병 확산에 가장 중요한지 식별하기 위해 그래프 이론과 컴퓨터 과학의 방법인 희소화를 사용하고 있습니다.

대규모 팬데믹이 어떻게 확산될지 결정하는 데 도움이 되는 시뮬레이션을 실행하는 데 몇 주 또는 몇 달이 걸릴 수 있습니다. PLOS Computational Biology 의 최근 연구 는 프로세스 속도를 크게 높일 수 있는 전염병 모델링에 대한 새로운 접근 방식을 제공합니다.

이 연구는 그래프 이론과 컴퓨터 과학의 방법인 희소화를 사용하여 네트워크의 어떤 링크가 질병 확산에 가장 중요한지 식별합니다.

중요한 링크에 집중함으로써 저자는 매우 복잡한 소셜 네트워크를 통해 질병 확산을 시뮬레이션하는 계산 시간을 90% 이상 줄일 수 있음을 발견했습니다.

"전염병 시뮬레이션에는 상당한 계산 리소스와 실행 시간이 필요합니다. 즉, 게시할 준비가 되었을 때 결과가 구식이 될 수 있습니다."라고 Santa Fe Institute의 전 학부 연구원이자 현재 박사인 Alexander Mercier는 말합니다. 디. Harvard TH Chan 공중 보건 학교 학생. "우리의 연구는 궁극적으로 COVID-19와 같은 팬데믹의 확산을 시뮬레이션할 때 합리적인 시간 척도에 따라 행동하면서 더 복잡한 모델과 더 큰 데이터 세트를 사용할 수 있게 해 줄 것입니다."

연구를 위해 Mercier는 SFI 연구원인 Samuel Scarpino 및 Cristopher Moore와 함께 미국 인구 조사국의 데이터를 사용하여 전국 사람들이 통근하는 방법을 설명하는 이동성 네트워크를 개발했습니다.

그런 다음 그들은 네트워크 전체에 확산되는 질병의 전반적인 역학을 유지하면서 네트워크의 밀도를 줄일 수 있는지 확인하기 위해 여러 가지 희소화 방법을 적용했습니다.

그들이 발견한 가장 성공적인 희소화 기술은 효과적인 저항성이었습니다. 이 기술은 컴퓨터 과학에서 비롯되었으며 전기 회로의 두 끝점 사이의 총 저항을 기반으로 합니다. 새로운 연구에서 효과적인 저항은 대체 경로로 쉽게 우회할 수 있는 링크를 무시하면서 질병 전파 가능성이 가장 높은 이동성 네트워크의 노드 사이의 에지 또는 링크에 우선 순위를 지정하여 작동합니다.

Scarpino는 "생명 과학에서는 네트워크의 낮은 가중치 링크가 질병을 퍼뜨릴 가능성이 적다고 가정하고 순진하게 무시하는 것이 일반적입니다."라고 말합니다. "그러나 '약한 유대의 힘'이라는 캐치프레이즈에서처럼 낮은 가중치의 연결 고리도 전염병에서 구조적으로 중요할 수 있습니다.

연구원들은 효과적인 저항 희박화 접근 방식을 사용하여 전반적인 전염병 역학을 보존하면서 2,500만 개의 에지(또는 원래 미국 통근 네트워크의 약 7%)를 포함하는 네트워크를 만들었습니다.

"컴퓨터 과학자 Daniel Spielman과 Nikhil Srivastava는 희소화가 선형 문제를 단순화할 수 있음을 보여주었지만 전염병과 같은 비선형 확률적 문제에서도 작동한다는 사실을 발견한 것은 정말 놀라운 일이었습니다."라고 Moore는 말합니다.

아직 개발 초기 단계에 있는 이 연구는 대규모 전염병을 시뮬레이션하는 계산 비용을 줄이는 데 도움이 될 뿐만 아니라 특정 인구 조사 지역이 감염될 확률과 전염병이 발생할 가능성이 있는 시기와 같은 질병 확산에 대한 중요한 세부 정보를 보존하는 데 도움이 됩니다. 거기에 도착하기 위해.

출처 : https://www.sciencedaily.com/