활성 네트워크에서 정보 전송 용량 분석

초록

본 논문은 동적 시스템으로 구성된 활성 채널의 정보 전송 용량을 정의하고 계산하는 방법을 제시한다. 셀프‑엑시터블(자기흥분) 여부에 따라 용량이 달라지며, 특히 탈동기화 상태가 큰 정보 흐름을 가능하게 함을 보인다. 전기적으로 연결된 Hindmarsh‑Rose 혼돈 뉴런 네트워크를 사례로 분석한다.

상세 분석

샤논의 용량 정리는 채널이 수동적이며 입력 신호가 채널 특성을 변형시키지 않을 때 적용 가능하다고 가정한다. 그러나 뉴런, 진동기, 혼돈 시스템 등으로 이루어진 활성 네트워크는 입력에 따라 내부 상태와 전송 특성이 동적으로 변한다. 저자는 이러한 비선형·시간변화 채널에 대해 정보 전송 용량을 정의하기 위해 두 핵심 개념을 도입한다. 첫째, 시스템의 전체 리아푸노프 지수(Λ)와 동기화 서브스페이스의 리아푸노프 지수(Λ⊥)를 이용해 상호 정보 전송률(MIR)을 Λ−Λ⊥ 형태로 표현한다. 둘째, 채널이 ‘셀프‑엑시터블’인지 여부를 판단한다. 셀프‑엑시터블 채널은 자체적인 진동이나 혼돈을 통해 추가적인 자유도를 제공하므로, 입력 신호가 없더라도 비제로 Λ⊥를 유지한다. 반면 비셀프‑엑시터블 채널은 외부 입력이 없을 때 동기화된 고정점에 수렴한다.

중요한 결과는 탈동기화가 반드시 용량 감소를 의미하지 않는다는 점이다. 전통적으로 동기화가 정보 전송을 최적화한다는 믿음과 달리, 탈동기화 상태에서는 Λ⊥가 감소하면서 Λ−Λ⊥가 커져 더 높은 MIR을 달성한다. 이는 특히 셀프‑엑시터블 네트워크에서 두드러지며, 입력 신호가 시스템의 고유 혼돈 동역학을 자극해 정보 흐름을 증폭시킨다.

구체적인 사례로 전기적으로 연결된 Hindmarsh‑Rose 뉴런 네트워크를 분석한다. 각 뉴런은 3차원 혼돈 궤도를 가지고 있으며, 전기 결합 강도(g)와 외부 전류(I) 파라미터에 따라 동기화·탈동기화 전이와 셀프‑엑시터블·비셀프‑엑시터블 구분이 가능하다. 저자는 수치 시뮬레이션을 통해 g와 I의 조합에 따라 MIR이 최대치에 도달하는 영역을 지도화하고, 이 영역이 탈동기화와 높은 Λ 값을 동시에 만족하는 지점임을 확인한다.

또한, 용량 계산을 위한 실용적인 절차를 제시한다. (1) 시스템의 야코비안 행렬을 구하고, (2) 전역 및 동기화 서브스페이스에 대한 리아푸노프 스펙트럼을 수치적으로 추정한다. (3) MIR을 Λ−Λ⊥로 정의하고, (4) 파라미터 스페이스 전역 탐색을 통해 용량이 최대가 되는 조건을 찾는다. 이 방법은 신경망, 레이저 어레이, 전자 회로 등 다양한 활성 매체에 적용 가능하다.

결론적으로, 활성 네트워크는 전통적인 샤논 모델을 확장해야 할 필요가 있으며, 셀프‑엑시터블 특성과 탈동기화가 정보 용량을 크게 향상시킬 수 있음을 보여준다. 이는 뇌-컴퓨터 인터페이스, 혼돈 기반 암호통신, 그리고 복잡계 정보 처리 시스템 설계에 중요한 시사점을 제공한다.