네트워크 위 군집 역학으로 보는 충돌 모델링

초록

본 논문은 가장 큰 군집만이 행동에 참여하도록 제한한 군집 동역학 모델을 제안한다. 무작위 그래프, 고정 네트워크, 그리고 행동 후 네트워크가 스스로 재구성되는 경우를 각각 시뮬레이션하여 사건 규모의 파워‑law 분포와 그 지수의 비보편성을 분석한다. 파워‑law 지수는 행동 빈도와 네트워크 희소성, 그리고 진화 시간에 따라 변하며, 최소값은 5/2로 수학적으로 도출된다. 또한 군집 수의 시간 시계열이 장기 상관을 보이고, 개별 유닛의 대기 시간 분포가 복잡한 형태를 띠는 등 시간적 패턴도 밝혀낸다.

상세 분석

이 연구는 기존의 응집‑분열 모델을 확장하여 “최대 군집 파편화”라는 새로운 규칙을 도입한다. 매 시간 단계에서 확률 p 로 두 유닛을 무작위 연결하고, 1‑p 로 현재 가장 큰 군집을 완전 파괴한다. 무작위 그래프(annealed random graph)에서는 군집 크기 분포 P(s)가 임계 크기 s₀ 이상에서 P(s)∝s⁻τ 형태의 파워‑law를 보이며, τ는 p에 따라 연속적으로 변한다. 파편화 확률이 작아질수록(즉, p가 커질수록) 큰 군집이 형성될 가능성이 높아져 τ는 5/2에 수렴한다. 이는 기존 EZ 모델에서 고정된 τ=5/2가 나오던 메커니즘과 일맥상통하지만, 여기서는 파편화 대상이 무작위가 아니라 최대 군집이므로 지수의 가변성이 자연스럽게 발생한다.

시간적 분석에서는 군집 수 N_c(t)의 시계열이 1/f^φ 형태의 파워 스펙트럼을 나타내며, φ≈1.6 정도로 장기 상관이 존재한다. 이는 최대 군집 파편화가 시스템에 기억 효과를 부여함을 의미한다. 또한 파편화 사건 사이의 대기 시간 Δt는 전체 시스템 수준에서는 지수 분포를 따르지만, 특정 유닛이 참여하는 경우에는 네트워크 구조에 의존하는 비정형 분포가 나타난다. 이는 실제 전쟁이나 테러 사건에서 관측되는 비정규적인 대기 시간과 유사하다.

고정 네트워크와 진화 네트워크에 대한 시뮬레이션 결과는 네트워크 토폴로지가 군집 성장에 미치는 영향을 명확히 보여준다. 고정 네트워크에서는 군집이 기존 연결에 제한되어 성장하므로 τ가 비교적 큰 값을 가진다(예: τ≈6.3). 반면, 행동 후 참여 유닛들 사이에 완전 연결(클리크)을 추가하는 자기 조직적 재구성 메커니즘을 적용하면 평균 연결도가 시간에 따라 증가한다. 이 경우 큰 군집이 더 쉽게 형성되면서 τ가 감소하고, 진화 시간 T가 길어질수록 τ는 5/2에 가까워진다. 저자들은 τ가 T에 따라 선형적으로 변한다는 경험적 관계 τ≈a·(1/T)+b를 제시하며, 이는 네트워크가 점진적으로 “계층화”되는 과정을 수학적으로 설명한다.

마지막으로, 논문은 군집 크기와 시간적 상관 외에도 네트워크 자체가 행동에 의해 재구성되는 피드백 루프가 존재함을 강조한다. 이러한 피드백은 전통적인 무작위 응집‑분열 모델에서는 볼 수 없던 복합적인 동역학을 만들어내며, 실제 갈등 상황에서 중앙 지휘부가 가장 큰 부대를 동원하고, 작전 후에 새로운 연합 관계가 형성되는 현상을 모델링한다는 점에서 실용적 의미가 크다.