시간창을 이용한 공간 성장으로 다중 클러스터 스몰월드 네트워크 생성

초록

본 연구는 노드 간 거리와 시간창(time window)이라는 두 가지 제약을 결합한 공간 성장 모델을 제안한다. 시간창은 특정 영역의 노드가 연결을 형성할 수 있는 시기를 제한함으로써, 서로 다른 시간에 성장하는 여러 클러스터를 자연스럽게 만들며, 결과 네트워크는 높은 클러스터링 계수와 짧은 평균 경로 길이를 보이는 스몰월드 특성을 유지한다. 그러나 모델은 스케일프리(power‑law) 차수 분포를 재현하지 못한다.

상세 분석

이 논문은 기존의 거리 기반 연결 확률 (P_{dist}=βe^{-γd}) 에 시간 의존성을 추가한 (P_{time}) 함수를 도입함으로써, 네트워크 성장 과정에 ‘시간창’이라는 새로운 차원을 삽입한다. 시간창은 각 ‘시드’(pioneer) 노드가 차지하는 공간 영역에 대해 정해진 중심 시점 (μ_i) 와 폭 (α) 으로 정의되며, 노드가 생성될 때 가장 가까운 시드의 시간창을 물려받는다. 이렇게 하면 동일 시간창을 공유하는 노드들끼리 연결 확률이 높아져, 공간적으로는 가까우면서도 시간적으로 동시성 있는 서브그룹이 형성된다.

시드 노드의 배치는 대칭적인 폴리헤드론 꼭짓점 혹은 원 위의 등거리 배치를 사용해, 클러스터 간 초기 거리 차이를 최소화한다. 이는 클러스터 간 연결이 전적으로 시간창의 겹침 정도에 좌우되게 하여, 클러스터 간 연결 밀도 (F_q) 를 조절할 수 있게 만든다. 실험에서는 (k=3\sim10) 개의 시간창과 (α=0.1\sim0.6) 범위, 그리고 (N=50\sim400) 노드 규모를 탐색했으며, 각 파라미터 조합에 대해 40번의 시뮬레이션을 수행해 평균값과 표준오차를 기록하였다.

주요 결과는 다음과 같다. 첫째, 클러스터링 계수(CC)는 (k=3) 일 때는 노드 수에 약간 부정적 상관을 보이며 (α) 에 거의 무관하지만, (k>3) 에서는 (α) 가 커질수록 CC가 증가하고 노드 수가 늘어날수록 감소한다. 둘째, 평균 최단 경로(ASP)는 (k=3) 에서는 거의 일정(≈3.45)하지만 (k>3) 에서는 (α) 와의 양의 관계 (ASP≈2.33α-0.25) 를 보이며, 노드 수가 늘어날수록 감소한다. 셋째, 차수 분포는 전형적인 파워‑law 형태를 따르지 않아 스케일프리 네트워크는 생성되지 않는다. 차수의 최대값은 노드 수에 선형적으로 비례하고, 중위값은 (k=3) 일 때 (y≈0.69x^{0.40}) , (k>3) 일 때 (y≈0.98x^{0.43}) 의 관계를 가진다.

클러스터 간 연결성 (F_q) 는 (k=3) 에서는 1~2% 수준으로 매우 낮으며, (k>3) 에서는 (α) 가 증가함에 따라 감소한다. 이는 시간창 겹침 지수가 (Ω) 와 직접 연관됨을 시사한다. 또한, 스몰월드 특성(ASP / ASP_rand < 1.3, CC / CC_rand > 4)은 (k=3) 에서 가장 안정적으로 유지되며, (k>3) 에서는 (α) 가 커질수록 약화된다.

시간에 따른 성장 분석에서는 (k=3) 일 때 대부분의 클러스터 간 연결이 성장 초기에 발생하고, (k>3) 일 때는 성장 중반(노드 수의 절반 정도)에서 급격히 증가한다는 패턴을 발견했다. 이는 시간창 수와 겹침 정도가 네트워크의 전역 연결 구조를 언제 형성하는지를 결정한다는 중요한 통찰을 제공한다.

마지막으로, 시드 노드의 위치가 클러스터 내부·외부 연결성에 큰 영향을 미친다는 점을 강조한다. 시드 배치를 조정함으로써 동일한 (k) 와 (α) 값에서도 클러스터 간 연결 밀도를 크게 바꿀 수 있다. 이는 실제 뇌 발달이나 사회·인프라 네트워크에서 초기 ‘핵심’ 노드(예: 초기 신경 전구체, 주요 도시)의 배치가 전체 네트워크 모듈성에 미치는 영향을 모델링하는 데 유용하다.