Conexão entre as redes complexas e estatística de Kaniadakis e busca eficiente das propriedades críticas do processo epidêmico difusivo 1D

In this work we study a connection between a non-Gaussian statistics, the Kaniadakis statistics, and Complex Networks. We show that the degree distribution P(k)of a scale free-network, can be calculated using a maximization of information entropy in the context of non-gaussian statistics. As an example, a numerical analysis based on the preferential attachment growth model is discussed, as well as a numerical behavior of the Kaniadakis and Tsallis degree distribution is compared. We also analyze the diffusive epidemic process (DEP) on a regular lattice one-dimensional. The model is composed of A (healthy) and B (sick) species that independently diffusive on lattice with diffusion rates DA and DB for which the probabilistic dynamical rule A + B → 2B and B → A. This model belongs to the category of non-equilibrium systems with an absorbing state and a phase transition between active an inactive states. We investigate the critical behavior of the DEP using an auto-adaptive algorithm to find critical points: the method of automatic searching for critical points (MASCP). We compare our results with the literature and we find that the MASCP successfully finds the critical exponents 1/ѵ and 1/zѵ in all the cases DA =DB, DA <DB and DA >DB. The simulations show that the DEP has the same critical exponents as are expected from field-theoretical arguments. Moreover, we find that, contrary to a renormalization group prediction, the system does not show a discontinuous phase transition in the regime o DA >DB.

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior

Neste trabalho, estudamos a conexão entre uma estatística não Gaussiana, a estatística de Kaniadakis, e as redes complexas. Nós mostramos que a distribuição de conectividades P(k), de uma rede livre de escala, pode ser determinada usando a maximização da entropia de informação no contexto de estatísticas não Gaussianas. Como exemplo, discutimos uma análise numérica baseada no modelo de crescimento com ligação preferencial e comparamos o comportamento numérico da distribuição de conectividade entre as estatísticas de Kaniadakis e a de Tsallis. Analisamos, ainda, o processo de propagação de epidemia em uma rede regular unidimensional. O sistema que compõe o modelo é composto de espécies A (sadios) e espécies B (doentes) que se difundem, independentemente na rede, com taxas DA e DB e seguem a regra dinâmica probabilística A+B → 2B e B → A. Este modelo, pertence à categoria de sistemas de não equilíbrio com um estado absorvente e uma transição de fase entre os estados ativo-inativo do sistema. Investigamos o comportamento crítico, usando um algoritmo auto-adaptativo para encontrar pontos críticos: o método de busca automática para pontos críticos (MBA). Comparamos nossos resultados com os correspondentes da literatura científica e encontramos que o MBA determina, com sucesso, os expoentes críticos 1/ѵ e 1/zѵ em todos os casos DA = DB, DA < DB e DA > DB. As simulações mostraram que o processo epidêmico difusivo tem os mesmos expoentes críticos encontrados no contexto da Teoria de Campo. Além disso, encontramos que, ao contrário das predições de Grupo de Renormalização, o sistema não mostra uma transição de fase descontínua para o regime DA > DB