NetSlo '26

Študija analizira dinamično omrežje znanstvenih sodelovanj med evropskimi državami (od 1990 do 2023), na podlagi podatkov o soavtorstvih iz OpenAlexa. Za preučevanje zgradbe omrežja je uporabljeno bločno modeliranje. Ugotovitve razkrivajo eksponentno rast soavtorstev in povečanje sodelovanja znotraj dobljenih skupin (zlasti v balkanski, skandinavski in zahodni). Kljub politikam EU je sodelovanje med zahodnimi in ne-zahodnimi regijami šibkejše od pričakovanega.

Platforme družbenih medijev, zlasti Instagram, so postale osrednja okolja za modno oglaševanje in širjenje uporabniško ustvarjenih vsebin. Raziskava na podlagi objav pod ključniki #ultrafastfashion, #fastfashion, #slowfashion in #sustainablefashion (N = 800) analizira strukturo in vsebinske značilnosti omrežij, ki nastajajo okoli modnih ključnikov na Instagramu, z namenom razumevanja, v katerih kontekstih potekajo razprave o ultrahitri, hitri, počasni in trajnostni modi. Raziskava prispeva k boljšemu razumevanju, kako se različni modni modeli pozicionirajo v družbenomedijskem prostoru in kako se prek omrežij oblikujejo pomeni, povezani s trajnostjo in potrošnjo mode.

V diplomskem delu napovedujemo prihodnja mentorstva v bazi SICRIS z relacijskim globokim učenjem. Shemo preslikamo v heterogeni časovni graf in v leakage-safe protokolu napovemo, ali bo raziskovalec v naslednjih 5 letih mentor (ter koliko) pri doktoratih in magistrih. Uporabljamo HGT (Heterogeni grafovski transformer) z relativnim časovnim kodiranjem, Jumping Knowledge in DropEdge. Naš model preseže tabelarični XGBoost. Z razlagami izpostavimo ključne relacije in atribute.

Hitra rast števila znanstvenih objav otežuje ročno pregledovanje in sprotno sledenje novim raziskovalnim izsledkom. Bisociativno odkrivanje znanja iz literature omogoča polavtomatsko generiranje raziskovalnih hipotez z odkrivanjem novih povezav med še nepovezanimi znanstvenimi pojmi. Predstavili bomo nekatere pristope, metode in aplikacije luščenja novega znanja ter generiranja hipotez iz bibliografske zbirke PubMed, opisane v nedavno izdani monografiji Bisociative Literature-Based Discovery.

Omrežja so v zadnjih desetletjih postala eno osrednjih orodij za razumevanje kompleksnih sistemov, pri čemer imajo vse pomembnejšo vlogo tudi v biomedicini. V tem predavanju bom pokazal, kako lahko omrežni pristopi prispevajo k opisu strukturne in funkcionalne organiziranosti bioloških sistemov. Na primerih vaskularnih mrež ter kolektivne aktivnosti celic v tkivih bom ilustriral konkretne aplikacije, ki ne omogočajo le kvantitativnega opisa, ki s konvencionalnimi orodji ni mogoč, temveč lahko razkrijejo tudi strukturne razlike, povezane s patološkimi stanji. Predavanje bom zaključil z orisom novih smeri razvoja, ki jih odpirajo sodobni večplastni omrežni pristopi.

Predstavimo novo grafovsko reprezentacijo, graf dostopnosti G, razvito za analizo dostopnosti sistemov JPP. Vozlišča v G predstavljajo postaje, povezave pa so odvisne od potovalnega časa med njimi: če je ta krajši od danega časovnega praga, med vozliščema obstaja povezava. Časovni prag v korakih povečujemo in opazujemo razvoj G: povprečno stopnjo vozlišč in obliko njene porazdelitve ter pojavitev klik in k-jeder. Predstavimo empirične rezultate na naboru 42 metrojskih omrežij.

Izbira premis je ključen korak v formalnem dokazovanju z uporabo velikih knjižnic formalizirane matematike. Obstoječe metode, ki temeljijo na jezikovnih modelih, pogosto zanemarijo medsebojne odvisnosti med premisami. Predstavljamo metodo, ki združuje vektorske vložitve besedil v Leanu z grafovskimi nevronskimi mrežami nad heterogenim grafom odvisnosti med dokaznimi stanji in premisami ter med premisami, s čimer na podatkih LeanDojo preseže zmogljivost metode ReProver za več kot 25 %.

Podatke slikanja možganov, zbrane z različnimi tehnikami, je mogoče predstaviti kot omrežja, ki pomagajo razumeti nevrofiziološke procese. V tem predavanju obravnavamo omrežje človeškega konektoma. Predstavljajo ga anatomske regije možganov (kot vozli) in kortikalne povezave med njimi (kot uteženi robovi). Pokazali bomo: (1) nekaj analiz struktur višjega reda z uporabo Q-analize, in (2) pojav dveh mehanizmov delne možganske sinhronizacije, ki sta pogojena s topologijo osrednjega konektoma.

Physical networks are spatially embedded complex networks composed of nodes and links that are physical objects. Examples range from neural networks and networks of biomolecules to computer chips and disordered meta-materials. It is hypothesized that physicality (e.g., the non-trivial shape of nodes and links, and volume exclusion) affect their structure and function. I present recent efforts to generalize the toolset of network science to capture the unique properties of physical networks.