Construire des réseaux avec des nombres composés
Explorer les liens entre les nombres composés à travers la coprimalité et les structures de réseau.
― 5 min lire
Table des matières
Dans le monde des chiffres, les nombres composés jouent un rôle intéressant. Ce sont des nombres qui peuvent être divisés par d'autres nombres que un et eux-mêmes. Cet article parle de comment on peut créer un Réseau en utilisant des nombres composés, où les Connexions entre eux sont basées sur une relation spéciale appelée coprimauté. Deux nombres sont coprimés s'ils n'ont pas de facteurs communs autres que un. Ça crée un réseau unique avec ses propres règles et comportements.
Comprendre le réseau
Dans notre réseau proposé, les nœuds sont des nombres composés. On relie deux nœuds s'ils sont coprimés. Au fur et à mesure qu'on ajoute plus de nombres composés, le réseau commence à montrer certaines caractéristiques.
Par exemple, il y a un moment où si on continue d'ajouter des nombres composés, on constate que le réseau va connecter tous les nœuds. Cette connexion se fait quand on atteint le plus grand nombre composé de notre ensemble. La façon dont les nœuds se connectent et le nombre de liens qu'ils ont peuvent être mesurés et analysés.
Analyser les connexions
En observant le réseau, on peut voir à quel point les liens sont serrés. On trouve qu'à mesure que le réseau grandit, la densité des liens atteint une limite, ce qui signifie que le nombre de connexions cesse d'augmenter à un certain point. D'un autre côté, le nombre moyen de connexions que chaque nœud a continue de croître à un rythme régulier.
On peut aussi examiner les chemins les plus courts entre les nœuds. Dans la plupart des cas, le plus long chemin le plus court qu'on peut trouver est de trois liens pour de nombreux nœuds, tandis que pour certains, c'est juste deux. Cela indique que le réseau est relativement bien connecté.
De plus, on peut regarder comment les voisins d'un nœud sont connectés. Le coefficient de clustering local mesure combien de voisins d'un nœud sont connectés entre eux. On trouve que ce ratio donne un aperçu de la connectivité globale du réseau.
Propriétés du réseau
Quand on dit que le réseau est "connecté", ça veut dire qu'il y a au moins un chemin reliant tous les nœuds. On a découvert qu'une fois qu'on atteint un certain nombre composé, cette connectivité est garantie. Avant d'atteindre ce point, on pouvait avoir des nœuds isolés qui ne se connectent pas aux autres.
Une autre propriété intéressante qu'on trouve, c'est le nombre de Cycles spécifiques dans le réseau. Ces cycles sont des chemins qui reviennent au nœud de départ mais ne peuvent visiter d'autres nœuds qu'une seule fois. On a trouvé une façon de calculer combien de ces cycles existent, en particulier d'une certaine longueur.
Aléa et structure
Le réseau qu'on crée montre des qualités similaires aux réseaux aléatoires, ce qui signifie qu'il y a des motifs qui émergent et qui peuvent sembler chaotiques au premier abord mais suivent quand même des règles sous-jacentes.
Dans de nombreux contextes mathématiques, on dit qu'un réseau est pseudo-aléatoire s'il se comporte comme un graphe aléatoire mais est créé d'une manière spécifique et structurée. Notre réseau, construit autour des nombres composés, exhibe ces traits pseudo-aléatoires même s'il est formé de manière déterministe.
Synchronisation
Un aspect clé des réseaux est à quel point ils sont synchronisables. La synchronisabilité fait référence à la rapidité et l'efficacité avec lesquelles toutes les parties du réseau peuvent atteindre un état d'accord ou de synchronisation.
Notre étude note que la synchronisabilité des réseaux de nombres composés est plus faible par rapport à d'autres types de réseaux aléatoires. Ça peut être bénéfique dans les systèmes écologiques où des dynamiques prolongées sont importantes. Une synchronisabilité plus basse signifie que les composants individuels peuvent se comporter de manière plus indépendante.
Observer les motifs
En regardant de plus près notre réseau, on constate que, bien qu'il fonctionne sous des règles déterministes, l'arrangement des nombres composés mène à des irrégularités, notamment concernant quels nombres se connectent entre eux.
Par exemple, les nombres qui partagent des facteurs communs auront des connexions et des valeurs associées à leur coefficient de clustering identiques. Cela conduit à des relations intéressantes sur combien de connexions divers nombres ont autour de leurs facteurs premiers.
Conclusion
Pour conclure, notre exploration des réseaux formés par des nombres composés offre une nouvelle perspective sur la façon dont les connexions peuvent être structurées en fonction de la théorie des nombres. À mesure qu'on ajoute plus de nœuds et qu'on analyse leurs connexions, on découvre des comportements qui reflètent des principes mathématiques sous-jacents.
Bien que le réseau ait des comportements prévisibles, il montre aussi des caractéristiques semblables à celles du hasard qui le rendent fascinant. De plus, le degré auquel ces réseaux se synchronisent a des implications pour leurs applications dans divers domaines, comme l'écologie.
On encourage une exploration plus poussée de tels réseaux, car ils peuvent mener à une compréhension plus profonde de la théorie des nombres et des systèmes complexes.
Titre: Coprime networks of the composite numbers: pseudo-randomness and synchronizability
Résumé: In this paper, we propose a network whose nodes are labeled by the composite numbers and two nodes are connected by an undirected link if they are relatively prime to each other. As the size of the network increases, the network will be connected whenever the largest possible node index $n\geq 49$. To investigate how the nodes are connected, we analytically describe that the link density saturates to $6/\pi^2$, whereas the average degree increases linearly with slope $6/\pi^2$ with the size of the network. To investigate how the neighbors of the nodes are connected to each other, we find the shortest path length will be at most 3 for $49\leq n\leq 288$ and it is at most 2 for $n\geq 289$. We also derive an analytic expression for the local clustering coefficients of the nodes, which quantifies how close the neighbors of a node to form a triangle. We also provide an expression for the number of $r$-length labeled cycles, which indicates the existence of a cycle of length at most $O(\log n)$. Finally, we show that this graph sequence is actually a sequence of weakly pseudo-random graphs. We numerically verify our observed analytical results. As a possible application, we have observed less synchronizability (the ratio of the largest and smallest positive eigenvalue of the Laplacian matrix is high) as compared to Erd\H{o}s-R\'{e}nyi random network and Barab\'{a}si-Albert network. This unusual observation is consistent with the prolonged transient behaviors of ecological and predator-prey networks which can easily avoid the global synchronization.
Auteurs: Md Rahil Miraj, Dibakar Ghosh, Chittaranjan Hens
Dernière mise à jour: 2024-07-19 00:00:00
Langue: English
Source URL: https://arxiv.org/abs/2407.14149
Source PDF: https://arxiv.org/pdf/2407.14149
Licence: https://creativecommons.org/licenses/by/4.0/
Changements: Ce résumé a été créé avec l'aide de l'IA et peut contenir des inexactitudes. Pour obtenir des informations précises, veuillez vous référer aux documents sources originaux dont les liens figurent ici.
Merci à arxiv pour l'utilisation de son interopérabilité en libre accès.