동적 불린 네트워크의 새로운 패러다임

초록

본 논문은 상태 집합은 고정하되 전이 행렬을 시간마다 임의의 순열에 의해 변형시키는 ‘동적 불린 네트워크(DBN)’를 정의하고, 두 노드 시스템에 대한 다양한 순열 클래스의 시뮬레이션을 통해 선형성 규칙이 자주 방문되는 현상을 확인한다. 또한 확률적 불린 네트워크와 은닉 마코프 모델을 라벨링 함수와 연결시켜 이론적 틀을 확장한다.

상세 분석

논문은 기존의 유한 불린 네트워크(BN)가 고정된 전이 행렬을 갖는 한계에 주목하고, 이를 ‘가상 불린 네트워크(VBN)’라는 개념으로 일반화한다. VBN에서는 각 노드가 전체 노드 집합을 입력으로 받아들여 전이 규칙을 정의하므로, 모든 BN을 VBN 형태로 변환할 수 있다는 정리는 수학적으로 타당하지만, 실제 모델링에서 입력 차원이 급격히 늘어나는 비용을 간과한다. DBN은 VBN 위에 전이 행렬 Tₖ를 Q⁻¹TQ 형태로 매 시간 단계마다 순열 행렬 Q에 의해 동적으로 재배열함으로써, 고정된 상태 공간 내에서 ‘동적 전이’를 구현한다. 이때 Q는 무작위 순열이므로 전이 행렬의 스펙트럼이 보존되는 특성을 이용해 시스템의 구조적 안정성을 유지하면서도 다양한 동작을 탐색할 수 있다.

시뮬레이션 부분에서는 두 노드(4 상태) DBN을 대상으로 네 가지 순열 클래스(정체, 단일 2‑사이클, 두 개의 2‑사이클, 전 순열, 라벨링 기반)를 설정하고, 각각 1,000번의 시도(각 10,000 단계)로 규칙 벡터 방문 빈도를 조사한다. 특히 ‘타입 4’ 시뮬레이션(라벨링 기반 순열)에서 256개의 가능한 규칙 벡터 전부가 방문되었으며, 그 중 6개의 규칙이 300,000번 이상 등장한다. 흥미롭게도 이 6개는 선형 VBN(LVBN)의 전이 규칙 3개와 그 부정 3개로 구성돼, 선형성(즉, XOR 형태의 논리 연산)이 동적 전이 과정에서 자연스럽게 선호된다는 점을 시사한다. 이는 전이 행렬이 순열에 의해 재배열될 때, 선형 변환이 보존되는 특성과 연관될 가능성이 있다.

또한 논문은 라벨링 함수를 이용해 상태를 임의의(비일대일) 값으로 매핑함으로써, 확률적 불린 네트워크(PBN)와 은닉 마코프 모델(HMM)과의 연결 고리를 제시한다. 이 접근은 관측값이 직접적인 상태와 일치하지 않을 때도 모델링이 가능하도록 하며, DBN의 전이 행렬을 확률적 혹은 숨은 상태 전이로 해석할 여지를 제공한다. 다만, 라벨링 함수가 비일대일일 경우 역함수가 존재하지 않아 상태 복원이 불가능해지는 점은 실제 데이터 분석에서 제한 요인으로 작용할 수 있다.

전체적으로 논문은 ‘전이 행렬을 순열로 동적으로 변형한다’는 아이디어를 통해 고정된 상태 공간 내에서 무한히 다양한 동역학을 구현할 수 있음을 증명한다. 그러나 두 노드 수준의 실험에 머무르고 있어, 노드 수가 증가할 경우 순열 공간( n! )이 급격히 커져 계산 복잡도가 급증한다는 점이 한계로 남는다. 향후 연구에서는 순열 선택을 구조적 제약(예: 그룹 이론 기반)과 결합하거나, 대규모 네트워크에 대한 근사 방법을 도입해 실용성을 높이는 방향이 필요하다.