Les réseaux sont des systèmes composés de deux ou plusieurs appareils connectés, organismes biologiques ou autres composants, qui partagent généralement des informations entre eux. Comprendre comment l’information circule entre ces composants connectés, également appelés nœuds, pourrait contribuer à faire progresser la recherche sur de nombreux sujets, allant de l’intelligence artificielle (IA) aux neurosciences.
Pour mesurer le flux directionnel d'informations dans les systèmes, les scientifiques s'appuient généralement sur une construction mathématique appelée entropie de transfert, qui quantifie essentiellement la vitesse à laquelle les informations sont transmises d'un nœud à un autre. Pourtant, la plupart des stratégies de calcul de l’entropie de transfert développées jusqu’à présent reposent sur des approximations, ce qui limite considérablement leur précision et leur fiabilité.
Des chercheurs de l'AMOLF, un institut de physique fondamentale aux Pays-Bas, ont récemment développé un algorithme informatique capable de quantifier avec précision l'entropie de transfert dans un large éventail de réseaux complexes. Leur algorithme, présenté dans un article publié dans Lettres d'examen physiqueouvre de nouvelles possibilités passionnantes pour l'étude du transfert d'informations dans les réseaux biologiques et techniques.
« Notre vie quotidienne repose sur le bon fonctionnement d'une myriade de réseaux complexes », a déclaré Avishek Das, co-auteur de l'article, à Issues.fr. « Les exemples typiques s'étendent à de nombreuses échelles : depuis Internet, les marchés financiers, les écosystèmes, le cerveau humain, jusqu'aux milliers de produits chimiques réagissant mutuellement à l'intérieur d'une seule cellule biologique. La caractéristique unificatrice de ces réseaux est qu'ils traitent des signaux externes pour fournir des résultats intelligents. »
L'un des objectifs clés des recherches récentes menées par Das et son collègue Pieter Rein ten Wolde était de concevoir une méthode fiable pour comprendre et contrôler le traitement de l'information dans des systèmes complexes. Une première étape vers cet objectif consiste à mesurer de manière fiable l’entropie de transfert.
« Jusqu'à présent, ce flux directionnel d'informations ne pouvait pas être mesuré dans les modèles de réseau généraux sans erreurs imprévisibles », a déclaré Das. « Notre article présente un algorithme informatique, TE-PWS, pour le quantifier exactement pour la première fois. »
Quantifier la vitesse à laquelle les informations sont transférées d'un nœud à un autre implique essentiellement de compter les fluctuations simultanées dans les deux nœuds et de les cadrer en fonction du temps. L’une des principales difficultés rencontrées lors de cette tentative est que les fluctuations des nœuds sont trop rares pour être capturées par les stratégies de simulation conventionnelles.
« Notre percée est venue de l'emprunt d'une méthode couramment utilisée en physique statistique appelée échantillonnage par importance, qui rend les fluctuations rares plus fréquentes dans les simulations », a expliqué Das. « TE-PWS l'utilise pour compter avec précision les fluctuations rares, donnant ainsi l'entropie de transfert exacte pour n'importe quel modèle. »
Un avantage notable de l’algorithme développé par Das et Ten Wolde est qu’il peut être appliqué à un large éventail de réseaux. En fait, l’algorithme fonctionne en présence d’une quantité arbitraire de non-linéarité et de rétroaction dans le réseau, quantifiant avec succès l’entropie de transfert dans les cas où toutes les autres méthodes échouent.
« Dans notre étude, nous avons utilisé TE-PWS pour montrer qu'une forte rétroaction peut amplifier de manière contre-intuitive le transfert d'informations par anticipation vers des nœuds éloignés d'un réseau », a déclaré Das. « Nous avons également constaté que TE-PWS utilise un temps de calcul comparable ou inférieur à celui des autres méthodes, ce qui le rend à la fois précis et bon marché. »
Lors des premiers tests, la technique informatique permettant de mesurer l’entropie de transfert s’est révélée très précise, surpassant les autres méthodes développées dans le passé. Puisque cette technique ne repose sur aucune approximation, elle produit des résultats de vérité sur le terrain, essentiels pour tester rigoureusement l’exactitude des théories de la physique, de la science des réseaux ou des neurosciences.
« Nous avons utilisé notre technique exacte pour tester l'exactitude d'autres méthodes et avons constaté qu'elles sont souvent inexactes et, de plus, moins efficaces », a déclaré Das. « Sans la réponse exacte de TE-PWS, nous ne saurions jamais quelle est l'ampleur des erreurs commises par les autres méthodes. À ce jour, TE-PWS est la seule méthode fiable pour un réseau général. »
Les travaux récents de Das et ten Wolde pourraient bientôt ouvrir la voie à de nouvelles études portant sur le transfert d’informations dans les systèmes d’IA, les systèmes de communication, les réseaux financiers, les systèmes écologiques et les réseaux de neurones biologiques. Comme l’algorithme qu’ils ont développé est à la fois précis et léger en termes de calcul, il pourrait être appliqué à un large éventail de réseaux complexes et étendus.
« Nous prévoyons maintenant d'utiliser TE-PWS pour mesurer le traitement de l'information à l'intérieur des cellules bactériennes via des réseaux de signalisation chimique », a ajouté Das. « Même si les bactéries sont des organismes simples, elles effectuent des calculs sophistiqués, comme prendre des intégrales et des dérivées et trouver des optima. TE-PWS nous aidera à comprendre comment leurs réseaux de signalisation peuvent le faire efficacement. »
Écrit pour vous par notre auteur Ingrid Fadelli, édité par Gaby Clark, et vérifié et révisé par Robert Egan, cet article est le résultat d'un travail humain minutieux. Nous comptons sur des lecteurs comme vous pour maintenir en vie le journalisme scientifique indépendant. Si ce reporting vous intéresse, pensez à faire un don (surtout mensuel). Vous obtiendrez un sans publicité compte en guise de remerciement.
