Skip to main content
Weiter zur Homepage der Europäischen Kommission (öffnet in neuem Fenster)
Deutsch de
CORDIS - Forschungsergebnisse der EU
CORDIS

Higher Order Renormalization of NETworks

Projektbeschreibung

Netzwerke höherer Ordnung und ihre entstehenden kollektiven Verhaltensweisen

Viele Systeme der realen Welt, vom Gehirn über soziale Netzwerke bis hin zu Wirtschaftssystemen, beinhalten Gruppeninteraktionen zwischen vielen Elementen. Das Verständnis dafür, wie kollektive Verhaltensweisen über verschiedene Maßstäbe hinweg entstehen, ist eine grundlegende, noch ungelöste Herausforderung. Die Renormierung – die Neudefinition von Parametern, um „aberrante“ Phänomene zu beseitigen, die zwar aus der Theorie abgeleitet, aber experimentell nicht beobachtet werden können – wurde erfolgreich auf paarweise Strukturwechselwirkungen angewendet. In Bezug auf höhere Strukturen und ihre Dynamik ist dies noch weitgehend unerforscht. Unterstützt über die Marie-Skłodowska-Curie-Maßnahmen will das Projekt HORNET diese Lücke schließen, indem es einen strengen Renormierungsrahmen für Netzwerke höherer Ordnung entwickelt. Im Rahmen von HORNET soll untersucht werden, wie sich kollektive Verhaltensweisen über verschiedene Maßstäbe hinweg verändern. Die Ergebnisse werden anhand realer Datensätze, darunter Gehirnkonnektome, soziale Interaktionen und Wirtschaftssysteme, validiert.

Ziel

Complex systems exhibit collective behaviours that arise from group interactions, represented by networks beyond pairwise interactions, also known as higher-order networks. Since emergent phenomena often appear across scales, renormalization methods have recently been introduced for simple networks. However, only limited efforts have been made to extend renormalization to higher-order structures, leaving a substantial gap. This project addresses it by developing a principled renormalization framework for higher-order networks.

The approach introduces two complementary methods, both based on a hidden variables formulation. The first, Multiscale Higher-Order Network Renormalization, defines ensembles of random hidden-variable hypergraphs invariant under coarse graining. The second, Geometric Higher-Order Network Renormalization, embeds hypergraphs in metric spaces and performs renormalization by geometric proximity, where the geometric coordinates are themselves hidden variables.

In addition, the project will go beyond the common practice of applying renormalization exclusively to structure, by investigating its impact on higher-order dynamics. This includes processes governed by group mechanisms, such as higher-order spreading that captures diffusion over social channels, synchronization driven by group couplings, and Ising inspired models with Hamiltonians including higher-order interaction terms. Studying how these processes transform under coarse graining will reveal how collective behaviours change across scales, which dynamical features are preserved, and when macroscopic order emerges or vanishes.

Finally, the two frameworks will be tested on empirical datasets, including brain connectomes, temporal social interactions and economic systems. This comparative validation will assess the distinctive multiscale signatures of higher-order interactions and support the search for universal principles governing the organization of group mechanisms across scales.

Wissenschaftliches Gebiet (EuroSciVoc)

Schlüsselbegriffe

Programm/Programme

Thema/Themen

Finanzierungsplan

HORIZON-TMA-MSCA-PF-EF - HORIZON TMA MSCA Postdoctoral Fellowships - European Fellowships

Alle im Rahmen dieses Finanzierungsinstruments finanzierten Projekte anzeigen

Aufforderung zur Vorschlagseinreichung

(öffnet in neuem Fenster) HORIZON-MSCA-2025-PF

Alle im Rahmen dieser Aufforderung zur Einreichung von Vorschlägen finanzierten Projekte anzeigen

Koordinator

UNIVERSITAT DE BARCELONA
Netto-EU-Beitrag
€ 194 074,56
Adresse
GRAN VIA DE LES CORTS CATALANES 585
08007 Barcelona
Spanien
Region
Este Cataluña Barcelona
Aktivitätstyp
Higher or Secondary Education Establishments
Links
Gesamtkosten
Keine Daten

Partner (1)