클리크 분포 보존을 통한 복합 네트워크 진화 알고리즘

본 연구는 복잡 네트워크의 구조적 특성을 보다 정밀하게 제어하기 위해, 사전에 정의된 클리크(완전 연결 서브그래프) 분포를 정확히 보존하면서 그래프를 생성하는 계층적 알고리즘을 제안한다. 논문은 먼저 네트워크 과학에서 클리크가 차수 분포, 클러스터링 계수, k‑코어와 같은 기존 지표와는 별개의 고차 구조적 단위임을 강조한다. 특히 스케일 프리 네트워크에서 2<γ<3 구간에 해당하는 경우, 무한히 큰 2차 모멘트와 함께 다양한 크기의 클리크가 자연스럽게 발생한다는 점을 언급한다. 알고리즘 설계는 다음과 같다. 입력으로 클리크 집합 C₁,…,C_M을 크기 내림차순(S₁≥S₂≥…≥S_M)으로 정렬한다. 단계 m에서는 현재 그래프에 S_m−1개의 기존 정점을 선택하고, 새로운 정점 하나를 추가해 S_m개의 정점으로 이루어진 완전 연결 클리크 C_m을 삽입한다. 선택된 기존 정점 집합은 (i) 무작위 선택 혹은 (ii) 선호적 연결(정점 차수에 비례) 방식으로 결정된다. 이때 “밀집 계층 알고리즘”이라 부르는 경우, 매 단계마다 정확히 하나의 새로운 정점만 도입하므로 최종 정점 수는 N = S₁ + (M−1) 로 간단히 계산된다. 알고리즘의 핵심은 공유 정점 수를 S_m−1 로 고정함으로써, 클리크 삽입 과정에서 불필요한 스퓨리어스 클리크가 생성되는 것을 방지한다는 점이다. 그림 1에서 보여지는 대로, 임의의 두 정점을 연결하면 (4,5,7)와 같은 원치 않는 3‑site 클리크가 생길 수 있지만, 제안된 절차는 이를 완전히 차단한다. 시뮬레이션에서는 스케일 프리 형태의 클리크 분포 P_C(S)∝S^−α (α>2)를 사용해 다양한 α값(2.1, 2.6, 3.2 등)과 클리크 수 M=10³,10⁴,10⁵에 대해 그래프를 생성하였다. 각 경우에 대해 1000회 이상의 독립 실험을 수행해 차수 분포 p(k), 클러스터링 계수 C, 평균 경로 길이 ℓ, 네트워크 직경 D, 링크 밀도 d 등을 측정했다. 결과는 다음과 같다. 1. 차수 분포는 클리크 분포의 지수 α와 강하게 연관되어 스케일 프리 형태를 유지한다. α=2.6일 때 차수 분포의 꼬리 지수 |m|≈3.1 로, 전통적인 선호적 연결 모델(γ≈3)과 일치한다. α가 작을수록 고차 차수 정점이 많이 생성되어 꼬리가 두꺼워진다. 2. 클러스터링 계수 C는 α가 커질수록 감소하지만, 전체적으로 0.1~0.5 사이의 높은 값을 유지한다. 이는 클리크가 다수 포함된 네트워크가 자연스럽게 높은 삼각형 밀도를 갖는다는 점을 확인한다. 3. 평균 경로 길이 ℓ와 직경 D는 α가 증가함에 따라 크게 늘어난다. 이는 고차 클리크가 적고 저차 정점이 많아짐에 따라 네트워크가 더 “길어지는” 현상이다. 4. 무작위 연결과 선호적 연결을 비교했을 때, 차수 분포의 중간 구간(k≈10~100)에서는 두 방식이 거의 동일한 형태를 보인다. 그러나 선호적 연결은 고차 차수 정점의 비율을 약간 높여, 꼬리 지수가 약간 더 가파르게(−2.5~−3.0) 나타난다. 5. 트리비얼 클리크(S=2)만을 제거하면 네트워크 직경이 현저히 감소하고 클러스터링이 상승한다. 그러나 차수 분포의 꼬리 지수는 변하지 않아, 고차 클리크가 고차 차수 정점 형성에 결정적인 역할을 함을 시사한다. 실제 데이터와의 비교에서는 단백질‑단백질 상호작용망과 웹 그래프의 클리크 분포를 그대로 입력으로 사용해 동일한 알고리즘을 적용하였다. 생성된 인공 네트워크는 원본의 차수 분포, 평균 경로 길이, 직경 등 주요 지표와 근접했지만, 클러스터링 계수는 원본보다 약간 낮았다. 이는 실제 네트워크가 클리크 외에도 계층적 모듈, 다중 스케일 연결 패턴 등을 포함하고 있어, 클리크 분포만으로는 완전 재현이 어려움을 보여준다. 논문은 또한 “디케이메이션 알고리즘”이라는 보조 방법을 제시한다. 초기에는 M개의 독립 클리크를 갖는 그래프를 만든 뒤, 무작위 혹은 선호적 선택으로 두 정점을 병합하고, 병합 후 클리크 분포가 변하지 않으면 허용한다는 절차이다. 이 방법은 클리크 보존을 유지하면서 정점 수를 감소시켜, 보다 압축된 네트워크 모델을 얻는 데 활용될 수 있다. 결론적으로, 이 연구는 클리크 분포라는 고차 구조적 제약을 명시적으로 유지하면서 네트워크를 생성하는 새로운 프레임워크를 제공한다. 제안된 계층적 알고리즘은 클리크 크기와 수를 정확히 제어할 수 있어, 모듈성·기능성 분석, 네트워크 복원, 인공 네트워크 설계 등 다양한 응용 분야에 유용하다. 또한, 선호적 연결과 결합했을 때 기존의 스케일 프리 네트워크와 동일한 차수 꼬리를 재현하면서도, 클리크 기반의 구조적 특성을 동시에 보존한다는 점에서 기존 모델들을 보완한다. 향후 연구에서는 클리크 외의 다른 모티프(예: 사각형, 피드백 루프)와의 복합 제약을 동시에 만족하는 생성 메커니즘을 탐구하거나, 실제 생물학적 네트워크에서 관측되는 동적 성장 과정과의 연결 고리를 모색할 수 있을 것이다.