포아송 성장 모델을 이용한 선호적 연결 네트워크

본 논문은 복잡계 네트워크의 핵심 특성인 스케일‑프리(power‑law) 구조를 보다 현실적으로 모델링하기 위해 ‘포아송 성장(Poisson Growth, PG)’ 모델을 제안한다. 기존의 바바시‑알버트(BA) 모델은 매 단계마다 고정된 수 m의 엣지를 새 노드에 연결하고, 연결 확률을 현재 차수 k에 비례하는 r(k)=k 로 정의한다. 이러한 고정 m는 실제 네트워크가 보이는 다양한 연결 밀도와 다중 엣지 현상을 반영하지 못한다는 한계가 있다. PG 모델은 두 가지 주요 확장을 도입한다. 첫째, 매 단계 추가되는 엣지 수 m_t를 평균 λ>0인 포아송 분포에서 샘플링한다. 따라서 시간에 따라 엣지 수가 변동하고, 다중 엣지도 자연스럽게 발생한다. 둘째, 선호적 연결 함수 r(k)를 일반화하여 r(k)=k+a (a≥0) 혹은 r(k)=k+a (k≥1), r(0)=b (b≥0) 형태로 정의한다. 여기서 a와 b는 오프셋 파라미터로, 초기 차수에 대한 편향을 조절한다. BA 모델은 a=b=0, m_t=m 고정인 특수 경우에 해당한다. 모델 정의 후, 저자들은 이론적 차수 분포를 분석한다. 큰 네트워크(시간 t→∞)에서 노드 차수 k에 대한 기대 비율 p_t(k)=n_t(k)/t는 재귀식 (k+a−1+γ)p(k)=(k+a−1)p(k−1) 를 만족한다. 이를 풀면 p(k)∝k^{−γ} 형태의 파워‑법칙이 도출되고, 지수 γ는 파라미터에 따라 γ=3+a+(b−a)p(0)λ 로 표현된다. p(0)은 네트워크 내 무연결 노드 비율로, (11)‑(12) 식을 통해 구해지는 고정점이다. 특수 경우 a=b≥0이면 γ=3+aλ 로 단순화된다. a를 −1까지 허용하고 λ→0 로 보내면 γ는 2에 수렴한다는 점에서, PG 모델은 γ를 2보다 크게 자유롭게 조정할 수 있다. 이론적 결과를 검증하기 위해 시뮬레이션을 수행했다. N=5000인 네트워크를 10⁴번 반복 생성하고, 최대우도법(ML)으로 γ를 추정하였다. 다양한 (a,b,λ) 조합에 대해 추정된 평균 γ는 식 (6)·(7)에서 예측한 값과 거의 일치했으며, 추정값의 표준편차도 이론이 제시한 O(t^{-1/2}) 수준으로 작았다. 또한 평균 차수 분포 E