복잡한 네트워크의 곡률과 온도

이 논문은 복잡 네트워크의 두드러진 특성인 이질적인 차수 분포와 높은 클러스터링을 하나의 통합된 기하학적 모델로 설명한다. 저자들은 먼저 네트워크가 숨겨진 메트릭 공간, 즉 하이퍼볼릭 평면(H²) 위에 존재한다고 가정한다. 하이퍼볼릭 공간은 음의 곡률(K = −ζ²)을 가지고 있으며, 반지름 R에 대해 원의 둘레와 면적이 각각 2π sinh R, 2π(cosh R − 1) 로, R이 커질수록 지수적으로 팽창한다. 이러한 팽창은 평균 분기계수 e인 e‑ary 트리와 동등한 성장률을 나타내며, 복잡 네트워크의 계층적·다중 스케일 구조를 연속적인 형태로 구현한다는 점에서 핵심적인 역할을 한다. 노드들은 원점으로부터의 방사형 좌표 r과 각도 θ를 부여받아, 밀도 ρ(r) ∝ e^{r−R} 로 균등하게 배치된다. 연결 확률 p(x)는 두 노드 사이의 하이퍼볼릭 거리 x에만 의존한다. 가장 단순한 경우 p(x)=Θ(R−x) 로 설정하면, 거리 R 이내에 있는 모든 노드 쌍이 연결된다. 이때 원점에서 거리 r에 위치한 노드의 평균 차수 \bar{k}(r)는 원점과 멀어질수록 e^{-r/2} 로 감소하고, 역함수 r(k) ∝ −2 ln k 를 통해 차수 분포 P(k) ∝ k^{-3} 가 도출된다. 이는 차수 지수 γ = 3에 해당한다. 곡률을 일반화하여 K = −ζ² 로 두고, 노드 밀도 ρ(r) ∝ e^{α(r−R)} 로 설정하면, 평균 차수는 \bar{k}(r) ∝ e^{-ζr/2} (α/ζ > ½) 혹은 \bar{k}(r) ∝ e^{-αr} (그 외) 로 변한다. 이에 따라 차수 지수는 γ = 2α/ζ + 1 (α/ζ > ½) 혹은 γ = 2 (그 외) 로 결정된다. 즉, 곡률이 클수록(ζ가 작을수록) 차수 분포가 더 뾰족해져 스케일프리 특성이 강화된다. 연결 확률을 보다 일반화하기 위해 저자들은 기존 S¹ 모델을 하이퍼볼릭 H² 모델에 매핑한다. S¹ 모델에서는 각 노드에 기대 차수 κ를 부여하고, 원 위의 거리 d와 κ·κ' 의 곱으로 정규화된 변수 χ = d/(μ κ κ') 를 정의한다. 연결 확률 e_p(χ) 는 임의의 적분 가능한 함수가 될 수 있다. κ와 r 사이의 변환 κ = κ₀ e^{ζ²(R−r)} 를 적용하면, S¹ 모델의 거리 스케일링이 하이퍼볼릭 거리 x ≈ r + r' + 2ζ ln sin(Δθ/2) 와 일치함을 보인다. 따라서 S¹ 모델의 임의 함수 e_p(χ) 가 하이퍼볼릭 모델에서는 p(x) = e_p(e^{ζ²(x−R)}) 로 표현된다. 특히 저자들은 페르미‑디랙 형태의 연결 확률 p(x)=1/