Chloé Moreau Les simulations qui aident à déterminer comment une pandémie à grande échelle se propagera peuvent prendre des semaines, voire des mois.
L’étude utilise la parcimonie. pour identifier les liens d’un réseau qui sont les furthermore importants pour la propagation des maladies.
En se concentrant sur les liens critiques, les auteurs ont découvert qu’ils pouvaient réduire de 90 % ou furthermore le temps de calcul nécessaire pour simuler la propagation des maladies by way of des réseaux sociaux très complexes.
“Les simulations épidémiques nécessitent des ressources de calcul et un temps d’exécution considérables, ce qui signifie que vos résultats peuvent être obsolètes au instant où vous êtes prêt à publier”, déclare l’auteur principal Alexander Mercier, ancien chercheur de premier cycle au Santa Fe Institute et maintenant titulaire d’un doctorat. RÉ. étudiant à la Harvard TH Chan School of Community Well being. “Notre recherche pourrait finalement nous permettre d’utiliser des modèles plus complexes et des ensembles de données plus volumineux tout en agissant sur une échelle de temps raisonnable lors de la simulation de la propagation de pandémies telles que COVID-19.”
Pour l’étude, Mercier, avec les chercheurs du SFI Samuel Scarpino et Cristopher Moore, a utilisé les données du US Census Bureau pour développer un réseau de mobilité décrivant remark les gens à travers le pays se déplacent.
Ensuite.
La system de sparsification la in addition réussie qu’ils ont trouvée était une résistance efficace. Cette strategy vient de l’informatique et est basée sur la résistance totale entre deux extrémités d’un circuit électrique. Dans la nouvelle étude, une résistance efficace fonctionne en donnant la priorité aux bords, ou liens, entre les nœuds du réseau de mobilité qui sont les voies les plus probables de transmission de la maladie tout en ignorant les liens qui peuvent être facilement contournés par des voies solutions.
“Il est courant dans les sciences de la vie d’ignorer naïvement les liens de faible poids dans un réseau, en supposant qu’ils ont une faible probabilité de propager une maladie”, explique Scarpino. “Mais comme dans le slogan” la drive des liens faibles “, même un lien de faible poids peut être structurellement important dans une épidémie – par exemple, s’il relie deux régions éloignées ou des communautés distinctes.”
“Les informaticiens Daniel Spielman et Nikhil Srivastava ont montré que la parcimonie peut simplifier les problèmes linéaires, mais découvrir que cela fonctionne même pour des problèmes non linéaires et stochastiques comme une épidémie a été une véritable shock”, déclare Moore.
Bien qu’encore à un stade précoce de développement, la recherche aide non seulement à réduire le coût de calcul de la simulation de pandémies à grande échelle, mais préserve également des détails importants sur la propagation de la maladie, tels que la probabilité qu’un secteur de recensement spécifique soit infecté et le instant où l’épidémie est probable. pour y arriver.
