根据研究伯明翰大学数学家在《PNAS》杂志上发表了一篇文章，通过绘制层次结构和系统内部的不一致性，我们可以预测系统的优缺点。

了解这些联系是如何工作的，在许多不同的方面都是至关重要的，例如，了解疾病如何在人群中传播，或者通信网络中的每个点是否都是“在回路中”。

像这样的现实世界系统被数学家称为“定向网络”，因为这些连接通常流向特定的方向。例如，在食物网中，生物量通常会从植物向上移动，穿过食草动物，然后向顶端捕食者移动。如果可以在网络中移动而不忽略方向性，则网络是强连接的。

如果一个网络是完全“连贯”的，具有不同的营养水平，如植物、食草动物和肉食动物，那么它就不可能紧密相连。然而，大多数现实世界的系统既不是完全相干也不是完全不相干，而是介于两者之间。例如，在食物网中，这可能是因为杂食动物既吃植物也吃其他动物。

研究人员发现，可以利用这种营养不连贯性来估计网络的强连接点。他们证明，该方法适用于任何类型的网络，包括神经元、人、物种、代谢物、基因和单词等的网络。

我们的方法为理解社会中经常遇到的各种不同网络提供了新闻可能性。了解您在该网络中的位置以及连接是强连接还是弱连接对于制定感染控制决策至关重要。

尼尔·罗杰斯，数学学院

尼尔·罗杰斯，论文的主要作者，说：“我们的方法为理解社会中经常遇到的各种不同网络提供了新闻可能性。例如，疾病爆发可以被认为是由细菌在人群中传播所连接的网络。了解你在该网络中的位置以及连接是否牢固，或者我们ak可能对制定感染控制决策至关重要。”

该论文的高级作者塞缪尔·约翰逊补充道：“这种建模方法也可以用来破坏网络，因为连接变得强大的点可以作为目标。例如，神经学家可能会通过找出维持癫痫发作的特定连接来找到治疗癫痫的新方法。”

注：本文由院校官方新闻直译，仅供参考，不代表指南者留学态度观点。