계층적 군집 네트워크의 전파 역학: 억제 없이도 임계 상태를 유지하는 구조적 메커니즘

초록

본 연구는 억제 연결을 배제한 단순 전파 모델을 이용해, 1,000개의 노드와 12,000개의 연결을 가진 무작위, 소규모 세계, 그리고 계층적 군집 네트워크의 활성 전파 특성을 비교하였다. 결과는 계층적 군집 구조가 무작위 혹은 전통적 소규모 세계 네트워크에 비해 보다 넓은 파라미터 구간에서 지속적이고 제한된 활성(임계 상태)을 유지함을 보여준다. 이는 뇌 피질의 다중 수준 모듈성 구조가 기능적 다양성과 안정성을 뒷받침할 수 있음을 시사한다.

상세 분석

이 논문은 억제성 뉴런을 전혀 포함하지 않은 이진 전파 모델을 기반으로, 네트워크 토폴로지가 전파 역학에 미치는 영향을 정량적으로 평가한다. 모델은 각 노드가 활성(active) 혹은 비활성(inactive) 두 상태만을 갖고, 시간 단계마다 (1) 비활성 노드가 최소 k=6개의 활성 이웃에 의해 활성화되고, (2) 활성 노드는 확률 ν=0.3으로 비활성화되는 규칙을 적용한다. 초기 조건은 i₀개의 노드를 무작위 혹은 특정 군집에 국한시켜 활성화함으로써, 초기 활성화의 규모와 위치가 전파 결과에 미치는 영향을 탐색한다.

세 종류의 네트워크는 모두 N=1,000, E=12,000을 공유하지만, 연결 배치가 다르다. 무작위 네트워크는 에지 분포가 균일하고, 소규모 세계 네트워크는 재와이어링 비율 p=0.5로 생성되어 평균 클러스터링 계수와 평균 경로 길이가 계층적 군집 네트워크와 유사하도록 설계되었다. 계층적 군집 네트워크는 10개의 클러스터(각 100노드)와 그 안에 10개의 서브클러스터(각 10노드)로 구분되며, 각각 서브클러스터 내부, 클러스터 내부, 전역에 4,000개의 에지를 배치해 다중 수준의 밀집 연결을 구현한다.

시뮬레이션 결과는 다음과 같이 요약된다. 첫째, 무작위 네트워크는 초기 활성화가 작든 크든 전파가 급격히 전 네트워크로 퍼지거나 곧바로 소멸한다는 전형적인 ‘전부 혹은 전무’ 패턴을 보였다. 둘째, 소규모 세계 네트워크는 전파 속도가 다소 늦어지지만 결국 전부 혹은 전무 결과에 수렴한다. 셋째, 계층적 군집 네트워크는 초기 활성화 규모와 위치에 따라 (a) 제한된 몇 개의 클러스터에 머무는 지속적 활성, (b) 여러 클러스터에 걸친 부분적 전파, (c) 전체 네트워크에 퍼지는 전파 등 다양한 동적 패턴을 나타냈으며, 특히 초기 활성화가 60~100개의 노드 정도일 때 가장 넓은 ‘임계 구간’이 확보되었다.

또한, 초기 활성화가 특정 클러스터에 국한될 경우 전파 지연 시간이 크게 증가한다는 점이 관찰되었다. 계층적 군집 구조에서는 전파가 3040 타임스텝에 걸쳐 서서히 확산되는 반면, 무작위와 소규모 세계에서는 1015 타임스텝 내에 전파가 완료된다. 이는 다중 수준의 모듈성이 전파 속도를 조절하고, 과도한 동기화를 방지함을 의미한다.

파라미터 민감도 분석에서는 k와 ν 값을 변동시켜도 계층적 군집 네트워크는 지속적 활성 비율이 60~70% 수준으로 높은 반면, 소규모 세계 네트워크는 최대 30%에 머물렀다. 연결 밀도를 서브클러스터, 클러스터, 전역 수준에서 조절한 실험에서도, 내부 연결이 강화될수록 지속적 활성 비율이 상승하고, 전역 연결이 감소하면 전파가 병목 현상을 일으켜 보다 오래 지속되는 제한적 활성 상태가 유지되는 것을 확인했다.

마지막으로, 노드가 연속적으로 활성 상태를 유지할 수 있는 최대 타임스텝을 제한하는 ‘소진’ 조건을 도입했을 때도, 계층적 군집 네트워크는 여전히 높은 비율로 지속적·제한적 활성 패턴을 보였다. 이는 실제 뇌에서 에너지 제한이나 억제성 피드백이 없더라도, 구조적 군집화가 자체적으로 활동의 균형을 유지할 수 있음을 시사한다.

전반적으로, 이 연구는 억제성 메커니즘 없이도 네트워크 토폴로지가 임계 전파 역학을 결정한다는 중요한 증거를 제공한다. 특히, 다중 수준의 군집화가 뇌 피질의 복잡한 기능적 패턴과 안정성을 뒷받침하는 구조적 기반이 될 수 있음을 뒷받침한다.