STaRS – Systemic Traces & Robust Signatures

: STaRS – Systemic Traces & Robust Signatures Phase 1 : Corpus initial – incertitude, extinction et cartographie Auteur : Kevin FradierDate : Janvier 2026Licence : © 2026 Kevin Fradier — Creative Commons Attribution - Pas d’Utilisation Commerciale - Pas de Modification 4.0 International (CC BY-NC-ND 4.0) 1. Résumé STaRS est un ensemble d’outils computationnels et descriptifs pour détecter, mesurer et visualiser des traces systémiques dans des données complexes, indépendamment du domaine : réseaux biologiques, flux sociaux, matrices de corrélations, interactions physiques, etc. Cette Phase 1 inclut trois modules : STaRS-TIME : mesure l’incertitude temporelle et la robustesse des motifs locaux à travers le temps. STaRS-EXT : mesure la disparition ou l’extinction de motifs observables sous perturbations. STaRS-MAP : cartographie des contributions locales et globales dans le système. L’objectif est de fournir un protocole multi-domaine, testable et reproductible, servant de base pour les phases futures et l’expansion vers d’autres types de données et signatures systémiques. 2. Modules 2.1 STaRS-TIME (Incertain temporel) Mesure la stabilité des motifs locaux dans le temps. Simule des perturbations et évalue la robustesse temporelle. 2.2 STaRS-EXT (Extinction / disparition) Évalue si certains motifs disparaissent sous perturbations. Fournit un indicateur de vulnérabilité ou de robustesse structurelle. 2.3 STaRS-MAP (Cartographie systémique) Visualise les contributions locales et cumulées de chaque élément du système. Permet d’identifier les nœuds centraux et les sous-structures influentes. 3. Code Python multi-modules (simplifié) # stars_core.py import numpy as np import networkx as nx import matplotlib.pyplot as plt from scipy.stats import bootstrap class STaRS: """Phase 1 – multi-modules : TIME, EXT, MAP""" def __init__(self, M, min_size=3, max_size=6): self.M = np.array(M, dtype=float) self.min_size = min_size self.max_size = max_size self.motifs = [] self.local_values = [] self.node_map = None # Extraction motifs fermés def extract_motifs(self): G = nx.from_numpy_array(self.M) raw = nx.cycle_basis(G) self.motifs = [m for m in raw if self.min_size