관측 기반 사후 확률 퍼콜레이션 임계값과 복합 네트워크 인과 마코프 과정 추적

초록

본 논문은 네트워크에서 노드 상태를 실시간으로 관측하며 업데이트되는 사후 확률에 대한 퍼콜레이션 임계값을 제시한다. 기존의 관측 독립 마코프 체인 기반 임계값과 달리, 관측 의존적 사후 분포를 이용해 네트워크 전파 현상의 실제 전이점을 보다 정확히 예측한다. 이를 통해 대규모 복합 네트워크의 동적 제어와 개입 정책 설계에 유용한 이론적 기반을 제공한다.

상세 분석

이 연구는 복합 네트워크 상에서 전염성 프로세스(예: 컴퓨터 바이러스, 전염병)를 모델링할 때, 전통적으로 사용되는 관측 독립 마코프 체인의 퍼콜레이션 임계값이 실제 시스템의 동적 특성을 충분히 반영하지 못한다는 점을 지적한다. 저자들은 네트워크를 능동적으로 모니터링하면서 얻어지는 관측 데이터를 베이즈 업데이트에 적용해 각 노드의 사후 확률 분포를 실시간으로 갱신한다. 이 사후 분포는 관측에 따라 변동하는 조건부 확률이므로, 전파 과정의 진행 상황을 보다 정밀하게 포착한다. 논문은 먼저 사후 확률을 상태 변수 π_i(t) 로 정의하고, 이 변수들의 집합이 시간에 따라 어떻게 전이하는지를 마코프 체인 형태로 기술한다. 핵심은 관측 행위가 전이 행렬 P 에 비선형적인 조정을 가한다는 점이다. 저자는 이러한 조정이 네트워크 전체의 연결성(예: 평균 차수, 클러스터링 계수)과 상호작용해 새로운 임계값 λ_c^post 을 만든다고 증명한다. 수학적으로는, 사후 확률의 기대값 E