Согласно исследованию, опубликованному в журнале PNAS, по мнению математиков из Бирмингемского университета, отображение иерархий, а также несогласованности внутри системы позволит нам предсказать сильные и слабые стороны системы.

Понимание того, как работают эти связи, имеет решающее значение во многих отношениях - например, знание того, как болезнь будет распространяться среди населения, или каждая точка в коммуникационной сети находится "в курсе событий".

Системы реального мира, подобные этим, математики называют "направленными сетями", потому что соединения обычно протекают в определенном направлении. В пищевых сетях, например, биомасса обычно перемещается вверх от растений, через травоядных животных и далее к верхушечным хищникам. Сети являются прочно связанными, если есть возможность перемещаться по сети, не игнорируя направленность.

Если сеть идеально "когерентна", с различными трофическими уровнями, такими как растения, травоядные и плотоядные животные, она не может быть сильно связана. Однако большинство систем реального мира не являются ни идеально согласованными, ни полностью некогерентными, а находятся где-то посередине. Например, в пищевой сети это может произойти из-за всеядности животных, которые будут есть как растения, так и других животных.

Исследователи обнаружили, что можно использовать эту трофическую несогласованность для оценки точки, в которой сеть становится прочно связанной. Они продемонстрировали, что метод работает для любого типа сетей, включая сети нейронов, людей, видов, метаболитов, генов и слов, среди прочего.

Найл Роджерс, ведущий автор статьи, сказал: "Наш подход открывает новые возможности для понимания всевозможных сетей, с которыми регулярно сталкиваются в обществе. Вспышку болезни, например, можно рассматривать как сеть, связанную распространением бактерий среди населения. Понимание того, где вы находитесь в этой сети и является ли подключение сильным или слабым, может иметь решающее значение для принятия решений о борьбе с инфекцией ".

Сэмюэл Джонсон, старший автор статьи, добавил: "Этот подход к моделированию также может быть использован для разрушения сетей, поскольку можно нацелиться на точки, в которых связь становится сильной. Неврологи, например, могли бы найти новые способы лечения эпилепсии, точно определив специфические связи, ответственные за поддержание припадков".