Netwerken in beweging: wiskunde van structuur, toeval en dynamiek
Elke dag ben je — vaak zonder dat je het merkt — onderdeel van allerlei netwerken. Denk aan sociale netwerken, vervoerssystemen, communicatiestructuren, of zelfs biologische processen. Wat wiskundigen fascineert, is dat al die verschillende netwerken vaak verrassend veel op elkaar lijken als je ze door een wiskundige bril bekijkt.
In deze lezing laat ik zien hoe wiskundigen gestileerde modellen gebruiken om complexe netwerken te analyseren. Zulke netwerken hebben vaak een grillige, voortdurend veranderende structuur. Het ligt daarom voor de hand om hun evolutie te beschrijven met behulp van een stochastisch proces. Maar daar blijft het niet bij: het netwerk wordt bovendien op een onvoorspelbare manier gebruikt, wat leidt tot een tweede laag van stochastische dynamiek — een wisselwerking tussen structuur en gebruik die de analyse extra uitdagend maakt.
Twee sprekende voorbeelden illustreren dit goed. In het eerste gaat het om het verspreiden van informatie, nieuws of meningen via een sociaal netwerk dat zelf ook in de tijd verandert. In het tweede voorbeeld stroomt verkeer door een wegennetwerk waarin de maximaal haalbare snelheden fluctueren — bijvoorbeeld door ongelukken of weersomstandigheden — terwijl congestie op zijn beurt die snelheden beïnvloedt. In beide gevallen draait het om systemen waarin toeval, interactie en dynamiek op meerdere niveaus samenkomen.
Sinds 2023 is Michel Mandjes hoogleraar Kansrekening en Operations Research aan de Universiteit Leiden (UL). Mandjes was projectleider en hoofdaanvrager van het grootschalige NWO-Zwaartekrachtprogramma NETWORKS, waarin netwerken werden geanalyseerd vanuit kansrekening en algoritmiek. Dit programma was een samenwerking tussen de UvA, UL, CWI en TU/e. Binnen de UL leidt hij het Centrum voor Complexe Netwerken. Daarnaast heeft hij sabbaticals doorgebracht aan Stanford en NYU, en vervult hij uitgebreide redactionele functies bij diverse wetenschappelijke tijdschriften.
Netwerken en virussen
Na de coronapandemie weten we allemaal het belang en de verraderlijkheid van exponentiële groei, en dat het belangrijk is dat r-waarden onder de 1 liggen. Maar behalve deze virusstatistieken speelt er nog een belangrijk element mee: wat is het onderliggende netwerk van sociale contacten waarover het virus zich verspreidt? En wat zijn de wiskundige eigenschappen van dit netwerk? Welke netwerkstructuren maken het makkelijker voor een epidemie om te verspreiden? En hoe kunnen we deze juist gebruiken om een epidemie te stoppen? In deze lezing zien we hoe grafentheorie, kansrekening en differentiaalvergelijkingen helpen om epidemieën te begrijpen of tegen te gaan.
Clara Stegehuis is universitair hoofddocent aan Universiteit Twente. Zij werkt op het snijvlak van kansrekening, grafentheorie en stochastische netwerken, met nadruk op asymptotische analyse, stochastische proceslimieten en gerandomiseerde algoritmen. De problemen die zij onderzoekt zijn geïnspireerd door toepassingen in de netwerkwetenschap, natuurkunde en informatica.
Een kijkje in de geheime samenleving van een tumor
Een tumor ontstaat wanneer één cel besluit zich niet meer in te zetten voor het lichaam, maar voor zijn eigen gewin. Wanneer deze cel zijn niet op tijd gestopt wordt, kan het zijn eigen samenleving stichten die razendsnel ontwikkelt en met iedere verstreken dag steeds moeilijker te stoppen is. Om ervoor te zorgen dat artsen en medicijnen nog een kans maken, is het belangrijk om de sociale structuur van cellen binnen deze samenleving te analyseren. We moeten leren hoe tumorcellen communiceren met elkaar en met andere cellen om te snappen welke ingrepen we moeten doen, opdat de tumor zo snel mogelijk weer verdwijnt. In deze presentatie nemen we een kijkje in de mysterieuze samenleving van kanker. Je zult een idee krijgen van hoe de biologie achter deze samenleving werkt, welke mooie netwerkwiskunde gebruikt kan worden om het sociale netwerk van deze samenleving in kaart te brengen, en wat voor interventies op basis van deze wiskunde potentieel gedaan kunnen worden om de samenleving in de tumor weer in het voordeel van een kankerpatiënt te trekken.
Mike van Santvoort is PhD-kandidaat aan de Technische Universiteit Eindhoven gespecialiseerd in toevalsnetwerken (netwerken met een onderliggend willekeurig proces) en computationele biologie (het ontwerpen van rekenmodellen binnen de biologie). Zijn onderzoek focust op het maken van modellen die RNA-metingen uit kankerpatiënten gebruiken om cel-cel communicatienetwerken van de tumor micro-omgeving te schatten. Hij zal in 2026 zijn PhD verdedigen.
Tussen wiskunde en woorden: taalmodellen verklaard
Hoe werken de taalmodellen achter ChatGPT, Co-pilot, Perplexity en vergelijkbare tools? Deze lezing geeft een overzicht van hoe taalmodellen in elkaar zitten: hoe zit hun architectuur in elkaar, hoe worden deze modellen getraind? Wat gebeurt er als ze gebruikt worden? Hoe kunnen we verder analyseren hoe ze werken? Naast wiskundige aspecten, komen de conceptuelen ideeën aan bod. Want waarom kunnen deze modellen zulke indrukwekkende uitkomsten leveren? En waarom nog steeds zo spectaculair falen?
Antske Fokkens is hoogleraar Computationele Linguïstische Methoden. Het onderzoek in haar leerstoel richt zich op de vraag hoe taal werkt en hoe dit computationeel gemodelleerd kan worden. Deze vraag wordt vaak in interdisciplinaire context beantwoord, door te kijken hoe taaltechnologie in verschillende onderzoeksvelden en toepassingen gebruikt kan worden. Deze context sluit naadloos aan bij het hoofdonderwerp van de leerstoel: gezien hoe taal en onze modellen werken, wat kunnen we verwachten als we ze in de praktijk gebruiken? Wat zijn mogelijkheden en risico's? Maar ook: wat leren we over de grenzen van onze modellen?