자기유사 네트워크의 영무한 퍼콜레이션

초록

본 논문은 자기유사성을 갖는 광범위한 네트워크 군에서 퍼콜레이션 임계점이 0임을 간단히 증명한다. 무클러스터링 무작위 스케일프리 그래프, 유한 클러스터링과 메트릭 구조를 가진 스케일프리 그래프, 성장형 스케일프리 네트워크 및 실제 네트워크들을 포함한다. 핵심은 깊이가 깊어질수록 평균 차수가 증가하는 중첩된 부분그래프 계층이 존재한다는 사실이며, 이를 통해 트리 구조 가정 없이도 거대 성분의 존재와 크기를 도출한다.

상세 분석

이 연구는 네트워크 퍼콜레이션 현상을 이해하는 데 있어 “자기유사성(self‑similarity)”이라는 개념을 중심축으로 삼는다. 저자들은 먼저 네트워크 G가 어떤 변환 T에 대해 T(G)⊂G 형태의 부분그래프 집합을 갖고, 이 변환을 반복 적용했을 때 각 단계 i에서 얻어지는 부분그래프 Gi의 평균 차수 ⟨k⟩i가 i가 증가함에 따라 단조 증가한다는 가정을 제시한다. 이 가정은 스케일프리 네트워크에서 흔히 관찰되는 “핵심‑주변” 구조와 일맥상통한다; 고차원 서브그래프일수록 고차원 노드가 집중되어 평균 차수가 크게 된다.

이러한 계층적 구조가 존재한다면, 임계점 pc가 존재한다는 전통적인 퍼콜레이션 이론과는 달리, 임의의 양의 연결 확률 p>0에 대해서도 어느 단계의 Gi에서 ⟨k⟩i>1이 보장된다. 즉, 무한히 큰 네트워크에서도 작은 p만으로도 평균 차수가 1을 초과하는 서브그래프가 존재하므로, 거대 연결 성분이 즉시 형성된다. 이는 “퍼콜레이션 임계점이 0”이라는 결론으로 귀결된다.

특히 저자들은 기존 연구가 많이 의존하던 “트리‑유사성(무루프)” 가정을 배제하고, 클러스터링이 유의미하게 존재하는 경우에도 동일한 결과가 유지됨을 증명한다. 클러스터링이 높은 네트워크에서는 삼각형 등 루프가 풍부하지만, 평균 차수의 성장 속도가 루프의 억제 효과를 압도하기 때문에 퍼콜레이션이 억제되지 않는다.

또한, 성장형 스케일프리 모델(예: 복제 기반 성장 모델)에서도 자기유사성이 자연스럽게 나타난다. 시간에 따라 네트워크가 확장될 때마다 새로운 노드와 엣지가 기존 구조를 복제·확장하는 방식으로 삽입되므로, 부분그래프 계층이 자동으로 형성되고 평균 차수는 로그‑선형적으로 증가한다. 이 경우에도 임계점은 0이며, 이는 실세계에서 관측되는 급격한 연결성 증가 현상을 설명한다.

마지막으로 저자들은 “평균 차수의 깊이 의존적 성장”이 퍼콜레이션을 결정짓는 핵심 요인이라는 강력한 가설을 제시한다. 이는 기존의 차수 분포(p(k)∼k^−γ)만을 고려하던 접근법을 넘어, 네트워크 내부의 계층적 조직과 그에 따른 지역적 평균 차수 변화를 포괄적으로 고려해야 함을 의미한다. 이러한 통찰은 향후 네트워크 복원력, 전염병 확산, 정보 전파 등 다양한 동적 현상의 이론적 분석에 새로운 틀을 제공할 것으로 기대된다.