대규모 공간 전염병 확산에서 스케일링 현상의 진화

초록

본 논문은 대규모 공간 전염병 모델을 이용해 Zipf 법칙과 Heaps 법칙이 시간에 따라 어떻게 동시에 나타났다 사라지는지를 분석한다. 초기 전염 단계에서는 두 스케일링이 모두 성립하지만, 전염이 진행되면서 Zipf 법칙은 약화되고 Heaps 법칙만이 지속된다. 이러한 전이 과정은 미국 국내 항공망과 인구 분포의 이질성이 핵심 역할을 함을 메타인구 모델 시뮬레이션과 실제 팬데믹 데이터로 입증한다. 결과는 초기 단계에서 목표 지향적 방역 전략의 필요성을 강조한다.

상세 분석

이 연구는 복잡계 과학에서 핵심적인 두 스케일링 법칙, 즉 Zipf 법칙(빈도‑순위 관계가 멱법칙 형태)과 Heaps 법칙(새로운 유형의 등장 속도가 서브선형) 사이의 동적 관계를 전염병 확산이라는 구체적 현상에 적용한다. 저자들은 먼저 메타인구 모델을 구축했는데, 미국 48개 주와 주요 공항을 노드로, 항공편 흐름을 연결선으로 설정하고, 각 노드의 인구 규모를 가중치로 사용하였다. 이 모델은 감염자 수가 시간에 따라 변하는 과정을 시뮬레이션하면서, 각 시점에 발생한 감염 지역(노드)의 순위-감염 규모 분포와 누적 감염 지역 수와 감염자 수 사이의 관계를 동시에 측정한다. 초기 전염 단계에서는 감염이 아직 국소적으로 제한되어 있어, 감염 규모가 큰 노드가 소수, 작은 노드가 다수인 전형적인 Zipf 분포가 나타난다. 동시에 새로운 감염 지역이 매 시간마다 일정 비율로 추가되므로 Heaps 법칙도 만족한다. 그러나 전염이 확산되면서 대형 허브(예: 뉴욕, 로스앤젤레스 등)의 포화 현상이 발생하고, 중소 규모 노드들의 감염 규모가 급격히 증가한다. 이때 순위‑규모 관계는 멱법칙 형태를 유지하지 못하고, 상위 몇 개 노드만이 기존의 기울기를 유지하는 반면 하위 노드들은 평탄화된다. 즉, Zipf 법칙의 ‘엄격함’이 사라지는 반면, 새로운 감염 지역이 계속 추가되는 현상은 여전히 Heaps 법칙을 따른다. 저자들은 이러한 전이를 ‘스케일링 전이(crossover)’라 명명하고, 인프라 이질성(항공망의 비대칭 연결성 및 인구 분포의 파레토적 특성)이 전이 시점과 강도에 결정적 영향을 미친다고 주장한다. 실증적으로는 2009년 H1N1, 2014년 에볼라, 2020년 COVID‑19 등 실제 팬데믹 데이터에서 동일한 초기‑중기‑후기 스케일링 변화를 관찰했으며, 모델 파라미터를 조정해도 결과가 일관됨을 보였다. 이 연구는 복잡계 이론에서 두 스케일링 법칙이 반드시 동시에 존재해야 한다는 기존 가정을 깨뜨리고, 시스템의 동적 상태와 구조적 이질성에 따라 하나는 유지되고 다른 하나는 사라질 수 있음을 실증적으로 입증한다. 또한, 초기 단계에서의 ‘핵심 허브’ 차단이 Zipf 법칙의 유지와 Heaps 법칙의 과도한 성장 억제에 효과적일 수 있음을 시사한다.