วิธีการใหม่ในการสร้างแบบจำลองการแพร่ระบาดสามารถเร่งการจำลองการแพร่ระบาดได้

การจำลองที่ช่วยตัดสินว่าการระบาดใหญ่จะแพร่กระจายอย่างไรอาจใช้เวลาหลายสัปดาห์หรือหลายเดือนในการดำเนินการ การศึกษาเมื่อเร็วๆ นี้ในPLOS Computational Biologyนำเสนอแนวทางใหม่ในการสร้างแบบจำลองการแพร่ระบาดที่สามารถเร่งกระบวนการได้อย่างมาก หนังตลก การศึกษาใช้ sparsification ซึ่งเป็นวิธีการจากทฤษฎีกราฟและวิทยาการคอมพิวเตอร์ เพื่อระบุว่าลิงก์ใดในเครือข่ายที่สำคัญที่สุดสำหรับการแพร่กระจายของโรค ผู้เขียนพบว่าสามารถลดเวลาในการคำนวณเพื่อจำลองการแพร่กระจายของโรคผ่านโซเชียลเน็ตเวิร์กที่มีความซับซ้อนสูงได้ 90% หรือมากกว่านั้น ด้วยการมุ่งเน้นไปที่การเชื่อมโยงที่สำคัญ "การจำลองการแพร่ระบาดต้องใช้ทรัพยากรและเวลาในการประมวลผลจำนวนมาก ซึ่งหมายความว่าผลลัพธ์ของคุณอาจล้าสมัยเมื่อถึงเวลาที่คุณพร้อมที่จะเผยแพร่" ผู้เขียนนำ Alexander Mercier อดีตนักวิจัยระดับปริญญาตรีที่สถาบันซานตาเฟ่และปัจจุบันปริญญาเอกกล่าว ง. นักศึกษาจาก Harvard TH Chan School of Public Health "การวิจัยของเราในท้ายที่สุดจะช่วยให้เราสามารถใช้แบบจำลองที่ซับซ้อนมากขึ้นและชุดข้อมูลที่ใหญ่ขึ้นได้ ในขณะที่ยังคงดำเนินการในช่วงเวลาที่เหมาะสมเมื่อจำลองการแพร่กระจายของโรคระบาด เช่น โควิด-19"