뇌 네트워크의 구글 매트릭스 탐구

초록

본 논문은 PNAS 2008년 뇌 모델의 신경망을 기반으로 구글 매트릭스 G를 구축하고, 그 스펙트럼과 페이지랭크 특성을 분석한다. 고유값 분포가 갭이 없으며 장수명 완화 모드가 존재하고, 감쇠 인자 α 값에 따라 페이지랭크가 탈국소화되는 현상을 보고한다. 웹과 신경망 사이의 구조적·동적 유사성을 논의한다.

상세 분석

논문은 먼저 PNAS 105, 3593(2008)에서 제시된 10 000 개의 뉴런과 30 000 개의 시냅스 연결을 갖는 뇌 모델을 선택한다. 이 네트워크를 방향성 그래프 형태로 변환한 뒤, 구글 매트릭스 G = α S + (1‑α) veᵀ 로 정의한다. 여기서 S 는 각 뉴런의 출입 연결을 정규화한 전이 행렬이며, v 는 균등 확률 벡터, eᵀ는 전치된 전부 1 벡터이다. α는 전통적인 페이지랭크에서와 같이 0 < α < 1 범위의 감쇠 인자로, 저자는 0.85, 0.95, 0.99 등 여러 값을 실험한다.

스펙트럼 분석에서는 G의 고유값 λ_i를 복소 평면에 플롯했을 때, 실축에 가까운 연속적인 고유값 군이 존재함을 확인한다. 특히 |λ|≈1에 가까운 고유값이 다수 존재해, 시스템이 긴 시간 스케일에서 완화되는 ‘gapless’ 구조를 형성한다는 점이 주목된다. 이는 전통적인 무작위 그래프에서 보이는 급격한 스펙트럼 갭과 대조적이며, 뇌의 장기 기억 유지 메커니즘과 연관될 가능성을 시사한다.

페이지랭크 벡터 p(α) 에 대한 조사에서는 α가 0.85 이하일 때 p가 특정 고도로 연결된 ‘허브’ 뉴런에 집중되는 국소화 현상을 보인다. 그러나 α를 0.95 이상으로 높이면 p의 엔트로피가 급격히 증가하고, 분포가 보다 균등하게 퍼지는 탈국소화 현상이 나타난다. 이는 뇌가 정보 흐름을 특정 경로에 국한하지 않고, 높은 전이 확률을 부여함으로써 전역적인 동기화와 분산 처리를 동시에 가능하게 하는 메커니즘을 반영한다는 해석이 가능하다.

또한, 논문은 2차 고유벡터와 그 외 고유벡터들의 구조적 특성을 분석한다. 몇몇 고유벡터는 특정 신경 클러스터에 강하게 국한되어, 해당 클러스터가 독립적인 진동 모드나 기능적 서브시스템으로 작동함을 암시한다. 반면, 고차 고유벡터는 보다 넓은 네트워크 전반에 걸쳐 파동 형태의 패턴을 보이며, 이는 뇌 전반에 걸친 장기적인 상호작용을 설명한다.

마지막으로, 저자는 웹 그래프와 신경망 사이의 유사성을 강조한다. 양쪽 모두 비대칭적 연결, 스케일프리 정도의 차수 분포, 그리고 페이지랭크와 같은 랜덤 워크 기반 중심성 척도가 의미 있는 구조적 정보를 제공한다는 점에서 공통점을 가진다. 그러나 뇌는 생물학적 제약과 가소성, 시냅스 가중치의 동적 변화를 포함하므로, 구글 매트릭스 모델을 확장해 가중치와 시간 의존성을 도입하는 것이 향후 연구 과제로 제시된다.