무작위 임계값 네트워크의 위상도

초록

임계값 네트워크는 신경 및 유전자 조절 시스템을 모델링하는 데 널리 쓰이며, 온·오프 상태 전이와 혼돈‑동결 전이를 보인다. 본 논문은 입력 수가 고정된 무작위 연결 네트워크에서 실수형 임계값 h를 갖는 경우의 위상도를 annealed approximation을 이용해 분석하고, λ(감도)와 온·오프 비율의 시간 진화를 도출한다. 정수 h에 대해서는 시뮬레이션 결과가 annealed 근사와 크게 차이 나는 현상을 확인했으며, 이는 업데이트 규칙의 특수성 때문임을 제시한다.

상세 분석

본 연구는 K개의 입력을 갖는 무작위 연결 임계값 네트워크를 대상으로 한다. 각 노드 i는 실수형 임계값 h와 입력 신호들의 가중합 Σ_j w_{ij}σ_j에 의해 σ_i(t+1)=Θ(Σ_j w_{ij}σ_j−h) 로 업데이트된다. 여기서 Θ는 Heaviside 함수이며, w_{ij}=±1 로 이진 가중치를 가정한다. 저자들은 annealed approximation을 적용해 네트워크를 매 시간 단계마다 새로운 무작위 연결로 대체함으로써 평균 동역학을 분석한다. 이 접근법은 대규모 N→∞ 한계에서 정확도를 보장한다는 전제가 있다.

먼저, 온(σ=1) 상태의 비율 ρ(t)를 정의하고, 각 노드가 온이 될 확률을 입력 신호들의 이항 분포와 임계값 h에 대한 누적 정규분포 근사를 통해 구한다. 이를 통해 ρ(t+1)=F(ρ(t);K,h) 형태의 재귀식이 도출되며, 고정점 ρ*와 그 안정성을 분석한다. 고정점이 두 개 존재하면 네트워크는 이중 안정성을 보이며, 하나만 존재하면 단일 위상에 머문다.

다음으로 감도 λ는 한 노드의 상태를 작은 교란(플립)했을 때, 다음 단계에서 평균적으로 영향을 받는 노드 수로 정의된다. annealed approximation 하에서는 λ=K·P_{flip}, 여기서 P_{flip}=Prob(|Σ_j w_{ij}σ_j−h|<|w_{ik}|) 로 계산된다. λ<1이면 교란이 수축해 동결(frozen) 위상, λ>1이면 교란이 확대돼 혼돈(chaotic) 위상으로 분류된다.

시뮬레이션에서는 “셀 사이클 네트워크”와 동일한 업데이트 규칙을 채택했는데, 이는 입력 합이 정확히 h와 일치할 경우 무조건 “off” 로 전환한다는 특수성을 가진다. 정수 h에서는 입력 합이 h와 일치하는 경우가 확률적으로 비정상적으로 높아져, 실제(quenched) 네트워크에서는 annealed 근사에서 무시된 상관 효과가 크게 작용한다. 결과적으로 정수 h에서는 λ와 ρ*가 annealed 예측과 현저히 차이 나며, 특히 K가 작을 때 그 차이가 두드러진다.

이러한 차이는 네트워크가 고정된 연결 구조를 유지할 때 발생하는 “자기‑상관”과 “입력‑출력 매핑의 불연속성”에 기인한다. 즉, annealed approximation이 가정하는 독립성 및 평균화가 정수 임계값 상황에서는 깨진다. 저자들은 이를 보완하기 위해 “연속형 임계값”(비정수 h)에서는 annealed 결과와 시뮬레이션이 거의 일치함을 확인하고, 정수 h에 대한 특수한 동역학을 별도로 기술한다.

결론적으로, 무작위 임계값 네트워크의 위상도는 K와 h에 따라 복합적인 구조를 가지며, 특히 h가 정수일 때는 업데이트 규칙의 미세한 설계가 전체 동역학에 큰 영향을 미친다. 이는 실제 생물학적 네트워크 모델링 시 임계값 선택과 업데이트 로직을 신중히 고려해야 함을 시사한다.