Diffusion et Percolation
Licence 3 - Introduction aux syst`emes complexes
S´ebastien Verel verel@i3s.unice.fr www.i3s.unice.fr/∼verel
´Equipe ScoBi - Universit´e de Nice Sophia Antipolis
25 avril 2013
Percolation
L’aventure ”Introduction aux Syst` emes Complexes”
cm01 : Introduction Decartes : d´emarche analytique
”Le Tout est plus que l’ensemble de ses Parties”
Description ”Holisme” d’un syst`eme
Ph´enom`ene non-lin´eaire Plusieurs niveaux de description et d’interaction Emergence
NetLogo
Monde des Patches et Turtles
S´ebastien Verel Diffusion Percolation
Percolation
L’aventure ”Introduction aux Syst` emes Complexes”
cm02 : Automate cellulaire
Mod`ele de SC discret le plus
cm03 : Morphog´en`ese
Cr´eation des formes,
Percolation
L’aventure ”Introduction aux Syst` emes Complexes”
cm04 : Jeux ´evolutionnaires
Dilemme du prisonnier, dilemme social
cm05 : Mod`ele Shelling (1)
S´egr´egation, micro- vs. macro- scopique, fronti`ere
S´ebastien Verel Diffusion Percolation
Percolation
L’aventure ”Introduction aux Syst` emes Complexes”
cm06 : Mod`ele Shelling (2) cm07 : R´eseaux sociaux (1)
Percolation
L’aventure ”Introduction aux Syst` emes Complexes”
cm08 : R´eseaux sociaux (2)
Petit monde, monde sans ´echelle
cm09 : Chaos
Convergence, cycle, chaos d´eterministe
S´ebastien Verel Diffusion Percolation
Percolation
Quelles questions se poser ?
Pour d´efinir un syst`eme
D´eterminer les limites du syst`eme : Int´erieur / Ext´erieur
D´eterminer les interactions du syst`eme avec l’ext´erieur Ouvert / ferm´e
D´eterminer les composants du syst`eme
D´eterminer les interactions entre les composants
Percolation
Type de mod` ele (in progress)
Temps :
Discret / Continu Espace :
∅/ Discret / Continu
Variable (grandeur qui varie avec le temps) : Discret / Continu
Composants (entit´e, agents) : Distinct / non distinct Nombre fini / infini
Relation entre composants (r´eseau d’interaction) Homog`ene (r´egulier, uniforme) / inhomog`ene Evolution :
D´eterministe / Stochastique (variabilit´e, distribution)
S´ebastien Verel Diffusion Percolation
Percolation
Mod´ elisation par agents
Temps : Discret
Composants (entit´e, agents) : Distinct
Nombre fini
Relation entre composants (r´eseau d’interaction) Homog`ene (r´egulier, uniforme) / inhomog`ene Evolution :
Stochastique (souvent)
Avantage : variabilit´e, non-lin´earit´e
Domaine de l’informatique et de l’exploration par la
Percolation
D´ ecrire et observer un syst` eme
Description de la dynamique
D´ecrire les niveaux, les ”formes” macroscopiques Observer les points fixes (structure fixe, stable) D´ecrire les relations entre les niveaux macroscopiques D´ecrire les dynamiques de convergence (cycle, ph´enom`ene quasi-p´eriodique, etc.)
S´ebastien Verel Diffusion Percolation
Percolation
Plan
1 Propagation d’une infection Mod`ele SI
Mod`ele SIR
2 Percolation
Percolation Mod`ele SIR
Mod` ele de propagation de maladie
Mod`ele `a compartiments
Principe
Les individus peuvent ˆetre dans diff´erents ´etats : compartiments
Des r´egles d´efinissent les changements d’´etats
... lien avec automate `a ´etats
S´ebastien Verel Diffusion Percolation
Percolation Mod`ele SIR
Mod` ele SI
Un individus peut ˆetre dans l’´etat : S: Susceptible d’ˆetre infect´e I: Infect´e
Un individus devient infect´e
au contact d’un individus infect´e selon le tauxβ
S beta I
1 - beta 1.0
Percolation Mod`ele SIR
Premi` ere mod´ elisation
Temps : Discret Espace :
∅ Variable :
Discret Composants :
non distinct Nombre fini
Relation entre composants (r´eseau d’interaction) Homog`ene
Evolution :
D´eterministe (grandeur moyenne)
S´ebastien Verel Diffusion Percolation
Percolation Mod`ele SIR
Premi` ere mod´ elisation
N : nombre total d’individus
St : nombre moyen d’individus dans l’´etat S `a l’instantt It : nombre moyen d’individus dans l’´etat I `a l’instantt cf. Tableau (d´esol´e pour les absents)
Mod´elisation par une suite de valeurs enti`eres It+1=It+β(N−It)It
N
Percolation Mod`ele SIR
Deuxi` eme mod´ elisation
Temps : Discret Espace :
∅ Variable :
Distret Composants :
non distinct Nombre infini
Relation entre composants (r´eseau d’interaction) Homog`ene
Evolution :
D´eterministe (grandeur moyenne)
S´ebastien Verel Diffusion Percolation
Percolation Mod`ele SIR
Deuxi` eme mod´ elisation
It
N −→N→∞ it
st : proportion moyenne d’individus dans l’´etat S `a l’instantt it : proportion moyenne d’individus dans l’´etat I `a l’instantt cf. Tableau (d´esol´e pour les absents)
Mod´elisation par une suite de valeurs r´eelles it+1=it+β(1−it)it
Percolation Mod`ele SIR
Troisi` eme mod´ elisation
Temps : Continu Espace :
∅ Variable :
Distret Composants :
non distinct Nombre infini
Relation entre composants (r´eseau d’interaction) Homog`ene
Evolution :
D´eterministe (grandeur moyenne)
S´ebastien Verel Diffusion Percolation
Percolation Mod`ele SIR
Troisi` eme mod´ elisation
s(t) : proportion moyenne d’individus dans l’´etat S `a l’instant t
i(t) : proportion moyenne d’individus dans l’´etat I `a l’instant t cf. Tableau (d´esol´e pour les absents)
Mod´elisation par une ´equation diff´erentielle di
dt =β(1−i)i
Percolation Mod`ele SIR
Solution de l’´ equation diff´ erentielle
di
dt =β(1−i)i Convergence vers i = 1 d`es que β >0
Croissance (1) exponentielle, puis (2) lin´eaire, puis (3) exponentielle n´egative (sigmo¨ıde, cf tableau)
Fonction logistique (Verhulst) i(t) = i0eβt
1−i0+i0eβt = 1 1 +a.e−βt aveca= 1−ii 0
0
S´ebastien Verel Diffusion Percolation
Percolation Mod`ele SIR
Quatri` eme mod´ elisation
Temps : Discret Espace :
∅ Variable :
Discret Composants :
distinct Nombre fini
Relation entre composants (r´eseau d’interaction) Homog`ene
Evolution : Stochastique
Percolation Mod`ele SIR
Mod´ ele ` a agents
S beta I
1 - beta 1.0
A chaque instant, chaque individus rencontre un autre individus de mani`ere al´eatoire
Un individus S devient I selon une exp´erience de Bernouilli de param`etreβ :
”Il devient I avec une probabilit´e β”
turtles-own [ etat ; S ou I
ancien-etat ; mod`ele de temps synchrone ]
cf. TP... cinqui`eme mod´elisation : espace discret
S´ebastien Verel Diffusion Percolation
Percolation Mod`ele SIR
Simulation multi-agents
Simuler une loi de Bernouilli de param`etreβ ifelse random-float 1.0 < beta [ ...
] [ ...
]
Evolution d’un ´etat Pour tous les agents :
Enregistrer l’´etat courant dans l’´etat dit ”ancien”
Puis pour tous les agents,
Percolation Mod`ele SIR
Mod` ele SIR
Un individus peut ˆetre dans l’´etat : S: Susceptible d’ˆetre infect´e I: Infect´e
R: Recover (immunis´e)
Un individus S devient infect´e au contact d’un individus infect´e selon le tauxβ
Un individus infect´e devient immunis´e selon le tauxγ
S beta I
1 - beta 1.0 - gamma
I R
1.0
gamma
S´ebastien Verel Diffusion Percolation
Percolation Mod`ele SIR
Mod` ele temps discret, nombre fini
St : nombre moyen d’individus dans l’´etat S `a l’instantt It : nombre moyen d’individus dans l’´etat I `a l’instantt Rt : nombre moyen d’individus dans l’´etat R `a l’instantt N =St+It+Rt : nombre total d’individus
cf. Tableau (d´esol´e pour les absents) St+1 = St − βStNIt
It+1 = It + βStNIt −γIt Rt+1 = Rt + γIt
Percolation Mod`ele SIR
Mod` ele temps continue, nombre infini
s(t) : proportion moyenne d’individus dans l’´etat S `a l’instant t
i(t) : proportion moyenne d’individus dans l’´etat I `a l’instant t r(t) : proportion moyenne d’individus dans l’´etat R `a l’instant t
cf. Tableau (d´esol´e pour les absents)
ds
dt = β s i
di
dt = β s i−γ i
dr
dt = γ i
S´ebastien Verel Diffusion Percolation
Percolation Mod`ele SIR
Mod` ele multi-agents
S beta I
1 - beta 1.0 - gamma
I R
1.0
gamma
A chaque instant, chaque individus rencontre un autre individus de mani`ere al´eatoire
Un individus S devient I selon une exp´erience de Bernouilli de param`etreβ :
”Il devient I avec une probabilit´e β”
Un individus I devient R selon une exp´erience de Bernouilli de param`etreγ :
”Il devient R avec une probabilit´e γ”
Percolation Mod`ele SIR
Mod` ele ` a compartiments
Variantes et extensions
Plus de compartiments (´etats) : mort, etc.
Tenir de compte de l’age, sexe, etc Mouvement des individus
etc.
S´ebastien Verel Diffusion Percolation
Percolation
Percolation : Bibliographie principale
Percolation et ´economie, th`ese de doctorat, St´ephane Pajot, 2001.
Percolation
Exemples
Masque `a gaz : constitu´e granules de carbone poreux. R´eseau al´eatoire de petits tunnels interconnect´es.
Pores larges : gaz passe `a travers Pores trop petits : plus de travers´e
Caf´e : serrage plus au moins fort du filtre. Agglom´erat de fines particules (milieu al´eatoire inhomog`ene)
Densit´e `a laquelle l’eau ne passe plus
→ Seuil de percolation
S´ebastien Verel Diffusion Percolation
Percolation
Exemples
Archipel au contient : baisse du niveau de l’eau
R´eseau de communication : n stations reli´ees avec une probabilit´e p
M´elange de 2 poudres : proportion p de poudre conductrice, 1−p de non-conductrice
→ Seuil critique de percolation
Percolation
D´ efinition
1954, Broadbent
utilisation des m´ethodes de Monte-Carlo pour analyser la p´en´etration d’un fluide dans un labyrinthe de passage ouvert ou ferm´e
Terminologie (en r´ef´erence au caf´e) 1957 : S.R.
BROADBENT et J.M. HAMMERSLEY : Mod`ele dual de la diffusion
Processus de propagation al´eatoire d’un fluide `a travers un milieu Diffusion Percolation Mouvement du fluide al´eatoire d´eterministe Structure du milieu d´eterministe al´eatoire
S´ebastien Verel Diffusion Percolation
Percolation
Dualit´ e diffusion/percolation
Diffusion
p=1/4
milieu d´eterministe,
Percolation
milieu al´eatoire, d´eplacement d´eterministe
Percolation
Probl` eme de transmission
probl`eme de transmission milieu ´etendu
distribution r´eguli`ere d’un grand nombre de ”sites”
susceptibles de relayer localement une information communication entre sites : liens d’efficacit´eal´eatoire Selon la proportion de liaisons actives :
possibilit´e ou non de transmission information `a longue distance
pc seuil de percolation
S´ebastien Verel Diffusion Percolation
Percolation
Probl` eme de transmission
percolation repose sur 3 hypoth`eses
ph´enom`ene ´etudi´e dans un espace contenant un grand nombre d’´el´ements
relation entre les ´el´ements repose sur un aspect local relation entre les ´el´ements a un caract`ere al´eatoire Ph´enom`ene critique au niveau global:
p <pc : information limit´ee `a un espace r´eduit pc <p : information ”percole” `a travers le milieu
Percolation
Types de percolation
Exemple d’un r´eseau de communication
Perco. Sites Perco. Liens Perco. Mixte
Noir : site actif Blanc : site inactif Ligne pleine : lien actif Ligne pointill´e : lien inactif
S´ebastien Verel Diffusion Percolation
Percolation
Percolation de Sites
Percolation de Sites
GrapheG = (V,E) : ensemble infini de noeuds et arcs
Chaquesommet`a l’un des 2
´
etats possibles : 0/1, actif/inactif,
conducteur/non cond.
Probabilit´eps d’ˆetre dans l’´etat 1
Chemin conducteur de Sa `aSb S’il existe une suite
Percolation
Percolation de Sites
Amas
deux sites appartiennent au mˆemeamas s’il existe au moins un chemin conducteur entre eux
S´ebastien Verel Diffusion Percolation
Percolation
Percolation de Liens
Percolation de Liens
GrapheG = (V,E) : ensemble infini de noeuds et arcs
Chaquearc`a l’un des 2 ´etats possibles : 0/1, actif/inactif, conducteur/non cond.
Probabilit´epb d’ˆetre dans l’´etat 1
Chemin conducteur de Sa `aSb
S’il existe une suite
(S1=Sa, . . . ,Sn=Sb) de sites
Percolation
Percolation Mixte
Nombreux type de r´eseaux : hexagonal, triangulaire, etc.
Percolation Mixte P(ps,pb) GrapheG = (V,E) : ensemble infini de noeuds et arcs
Chaquesommet`a l’un des 2
´
etats possibles : 0/1, actif/inactif,
conducteur/non cond.
Chaquearc`a l’un des 2 ´etats possibles : 0/1, actif/inactif, conducteur/non cond.
Probabilit´eps d’ˆetre dans l’´etat 1
Probabilit´epb d’ˆetre dans l’´etat 1
S´ebastien Verel Diffusion Percolation
Percolation
Seuil de percolation
D´efinition
Dans r´eseau avec une probabilit´e p de sites (ou liens) actifs.
Concentrationp `a laquelle un amas de taille infinie apparait dans un r´eseau de taille infinie
p ≥pc une chaine s’´etend d’un cˆot´e `a l’autre du syst`eme (percolation)
p <pc aucun chemin de ce type D´efinition
pc =sup{p|Prob(p) = 0}
Percolation
Seuil de percolation
Ph´enom`ene critique : transition de phase
D´efinition
pc =sup{p|Prob(p) = 0}
avec Prob(p) probabilit´e de percolation pour la densit´e p
S´ebastien Verel Diffusion Percolation
Percolation
Seuil de percolation : exemple percolation mixte
Ph´enom`ene critique : transition de phase
D´efinition
pc =sup{p|Prob(p) = 0}
avec Prob(p) probabilit´e de percolation pour la densit´e p
Percolation
Effet de la taille finie
Mesure sur un grand nombre d’instances Calculs statistiques :
moyenne et l’´ecart-type pour chaque valeur de p Trac´e exp´erimental de la courbe de transition de phase
S´ebastien Verel Diffusion Percolation
Percolation
Percolation dans le mod` ele SI
Tous les sites ne sont pas occup´es : Probabilit´e p qu’un site soit occup´e β = 1 infection en cas de contact
Tous les individus `a gauche sont infect´es initialement Probabilit´e que la maladie traverse le r´eseau d’individus ?
p= 0.50 p = 0.55 p= 0.60
Percolation
Continuons l’histoire des ´ etudiants de premi` ere ann´ ee...
Un ´etudiant est inform´e que le professeur est en retard, Il communique l’info `a tous ceux dont il a fait connaissance, De mˆeme pour ceux qui viennent d’apprendre la nouvelle.
Sur le r´eseau d´efini par des r´egles locales
s’ajoute une dynamique de propagation d’information.
Combien d’´etudiants vont ˆetre inform´es du retard et pourront prendre leurs dispositions ?
Est-ce que la communaut´e des ´etudiants va pouvoir r´eagir l’information dans son ensemble et rapidement ?
S´ebastien Verel Diffusion Percolation
Percolation
Qu’est-ce qui se passe chez les ´ etudiants ?
Percolation
0 0.2 0.4 0.6 0.8 1
0 0.02 0.04 0.06 0.08 0.1
Taux
p
n=100 n=200 n=300
Transition de phase Avantlog(n)/n : peu d’´etudiants inform´e Apr`eslog(n)/n :
quasiment tous les ´etudiants inform´e
Nombreuses cons´equences Transmission de maladies infectieuses
Propagation d’information dans un r´eseau type
”twitter”
etc.
S´ebastien Verel Diffusion Percolation
Percolation
Vitesse de propagation : longueur de chemin
Longueur de chemin
La longueur d’un chemin est le nombre d’arcs du chemin P(v,w).
Distance
La distance entre 2 noeuds v et w est la longueur minimale chemin parmis les chemins reliant v et w.
Percolation
Vitesse de propagation : longueur moyenne de chemin
Average Path length
Longueur moyenne de chemin La longueur moyenne de chemin est la moyenne des distance entre tout couple de noeuds du graphe.
Diam`etre
Si le graphe est connexe, le diam`etre est la plus grande distance entre les couples de noeuds.
Directement li´e au temps de propagation de l’information...
S´ebastien Verel Diffusion Percolation
Percolation
Temps de propagation
1 2 3 4 5 6 7 8
50 100 150 200 250 300
Distance
n
temps dist. moy diametre
Temps moyen de transmission du message,
distance moyenne,
Distance Moyenne graphe al´eaotoire
Lorsque celui-ci est connexe (log(n)n <p),
la distance moyenne est log(pn)log(n). Les distances sont courtes...
Percolation
Infection / Communication dans un r´ eseau sans ´ echelle caract´ eristique
S´ebastien Verel Diffusion Percolation
Percolation
Robustesse aux pannes et attaques
R´eseau al´eatoire : Sensible aux pannes al´eatoires
Tr`es robuste aux attaques cibl´ees
R´eseau scale free :
Tr`es robuste aux pannes al´eatoires
Tr`es sensible aux attaques cibl´ees
Percolation
S´ erie d’exp´ eriences en NetLogo
Menu Tools, puis BehaviorSpace
Documentation : http:
//ccl.northwestern.
edu/netlogo/docs/, puis dans le frame de gauche dans la partie Features, choisir controlling.
S´ebastien Verel Diffusion Percolation
Percolation
Pour conclure...
Projet
Faites le lien avec la propagation de rumeur !