대규모 다중 스파스 가우시안 그래프 모델을 위한 빠르고 확장 가능한 공동 추정기

**1. 서론 및 문제 정의** 현대 생명과학·다중 환경 센서 등에서 수천 개 변수(p)와 수백·수천 개 조건(K)으로 구성된 데이터가 급증하고 있다. 각 조건마다 변수 간 조건부 독립성을 나타내는 그래프 구조를 추정하는 것이 핵심 과제이며, 이를 위해 스파스 가우시안 그래프 모델(sGGM)이 널리 사용된다. 기존 연구는 각 작업을 독립적으로 추정하거나, ℓ₁ 페널티와 추가적인 다중 작업 정규화 R₀를 결합한 로그우도 최적화를 적용했지만, 행렬 역연산·SVD 등 O(Kp³) 연산과 O(Kp²) 메모리 요구로 대규모 적용이 어려웠다. **2. 배경 이론** - *단일 작업 sGGM* : 그래픽 라소(ℓ₁ 정규화)와 CLIME 등 두 가지 주요 접근법이 있다. - *Elementary Estimator(EE)* : ℓ₁ 정규화와 제약식 ‖Ω−