Hoppa direkt till innehållet
printicon
Publicerad: 29 maj, 2018

Bättre nätverksmodeller behövs för att förstå stora mängder informationsrik data

NYHET Tack vare ökad tillgänglighet av data och förbättrad beräkningskapacitet i datorer kan vi i dag analysera många komplexa system med hjälp av nätverksmodeller. Men utförligare datamängder ger upphov till både utmaningar och möjligheter för nätverk som analysmetod. Det visar fysikern Ludvig Bohlin i sin avhandling som han försvarar vid Umeå universitet fredagen den 8 juni.

Ludvig Bohlin. Foto: Gabrielle Beans

– I dag samlar vi data från olika system nästan överallt i samhället, och informationen blir alltmer komplex. Men dagens nätverksmetoder för att analysera systemen nyttjar inte all den utförliga information som finns i det insamlade datat. Jag visar varför vi behöver förbättra de vanliga nätverksmetoderna när det finns data som gör detta möjligt. Tack vare det kan våra metoder bidra till en ökad förståelse för många komplexa system, säger Ludvig Bohlin.

Komplexa system spelar en viktig roll i våra dagliga liv. Ta exempelvis samhället med miljarder individer som interagerar, aktiemarknaden med köpare och säljare som handlar med olika typer av värdepapper, eller kommunikationsinfrastrukturer med miljarder telefoner, datorer och satelliter. Nyckeln till att förstå dessa komplexa system är att förstå interaktionerna mellan komponenterna – deras nätverk.

I sitt avhandlingsarbete beskriver Ludvig Bohlin utmaningarna med stora mängder data och presenterar metoder för att förenkla och belysa viktiga strukturer i nätverksmodeller som nyttjar utförligare data.

Traditionella nätverksmodeller aggregerar ofta olika typer av data i ett enda nätverk, och då riskerar viss information att gå förlorad. Ett exempel är sociala relationer där våra interaktioner med släktingar, vänner och kollegor kan bero på plats, tid eller kommunikationssätt. Om alla interaktioner aggregeras i ett enda nätverk finns det risk att viktig information tolkas fel eller går förlorad.

Ludvig Bohlin visar att traditionell nätverksmodellering kan ge värdefulla insikter, men att mer informationsrika nätverksmodeller kan öka förståelsen för det underliggande komplexa systemet.

– Den traditionella modellen använder ofta ett nätverk med en typ av interaktioner för att beskriva ett system. Mer avancerade modeller kan representera interaktioner i nätverk med flera lager eller med minne för att fånga det faktum att vi kan interagera på många olika sätt, och att interaktionen kan bero på vad vi gjorde förut.

Nätverksanalys är en relativt ung vetenskaplig disciplin som började växa fram i början av 2000-talet.  I dag används nätverksmodeller i bland annat sökmotorer för att hitta relevanta webbsidor, och på sociala plattformar för att rekommendera vänner. Nätverksanalys utgör ett mycket bra verktyg för att analysera data från komplexa system, men det är viktigt med möjligheten att utöka de traditionella metoderna när det finns tillgängligt data som möjliggör detta.

Ludvig Bohlin har utfört sin forskarutbildning på Integrated Science Lab (IceLab) på Institutionen för fysik vid Umeå universitet.

Läs hela avhandlingen

Läs mer om IceLab vid Umeå universitet

För mer information, kontakta gärna:

Ludvig Bohlin, Institutionen för fysik vid Umeå universitetTelefon: 070-680 73 29
E-post: ludvig.bohlin@umu.se

Ludvig Bohlin har en civilingenjörsexamen i teknisk fysik från Umeå universitet. Han är född och uppvuxen på Mariedal i Umeå.

Pressfoto. Foto: Gabrielle Beans

Om disputationen:

Fredagen den 8 juni försvarar Ludvig Bohlin, Institutionen för fysik, Umeå universitet, sin avhandling med titeln Toward higher-order network models. Svensk titel: Mot högre ordningens nätverksmodeller.Disputationen äger rum klockan 13.00 i sal N420, Naturvetarhuset, Umeå universitet
Fakultetsopponent är Dr Tina Eliassi-Rad, Northeastern University, Boston, USA.

Redaktör: Ingrid Söderbergh