연결된 네트워크 퍼콜레이션을 전염병 모델로 간단히 풀다

초록

본 논문은 상호 의존적인 트리 구조 네트워크에서 퍼콜레이션 현상을 기존의 복잡한 ‘연쇄 붕괴’ 접근법 대신, 단일 네트워크 전염병 확산 이론을 확장한 형태로 재구성한다. 이를 통해 순서 매개변수와 임계점 분석을 직관적으로 수행할 수 있으며, 다중 네트워크, 부분적 의존성, 그리고 의존성 링크가 포함된 네트워크까지 일반화가 가능함을 보인다.

상세 분석

논문은 먼저 전통적인 전염병 확산 모델을 이용해 단일 무작위 네트워크의 퍼콜레이션을 설명한다. 여기서 핵심은 노드 i가 무한 클러스터에 속할 확률 S_i와, 임의의 링크를 따라 도착한 노드가 속할 확률 S′_i를 정의하고, 트리 구조 가정 하에 이들 확률이 독립적임을 이용해 generating function G₀(x)와 G₁(x)로 식을 정리한다. ER 그래프의 경우 G₀=G₁=e^{z(S′-1)}가 되어 S=S′=1−e^{−zS}라는 간단한 자기 일관 방정식을 얻는다.

그 다음 두 네트워크 A와 B가 1:1 의존 관계에 있을 때, 각 노드가 AB‑클러스터에 속하려면 A‑링크와 B‑링크 양쪽 모두에서 연결돼야 한다는 조건을 곱셈 형태로 표현한다. 결과적으로 S=(1−G₀^A(1−S′^A))(1−G₀^B(1−S′^B))와 S′^A=(1−G₁^A(1−S′^A))(1−G₀^B(1−S′^B)) 등 두 네트워크 각각에 대한 연쇄 방정식이 도출된다. ER 그래프에 적용하면 S=(1−e^{−z_AS})(1−e^{−z_BS})가 되며, 이는 연속적 전이와 달리 불연속적(1차) 전이를 야기한다. 임계점은 g(S)=0, g′(S)=0을 동시에 만족하는 조건으로 구해 z_c≈2.455, S_c≈0.511을 얻는다.

다중 네트워크(M>2)로 확장하면 식 (11)처럼 각 네트워크의 G₀와 G₁을 곱해주면 되며, 이 경우 전이 형태는 항상 1차가 된다. 부분적 의존성(q<1) 경우에는 의존성 확률 q를 가중치로 도입해 S_A와 S_B가 서로 다른 두 식(12)~(15)으로 묘사한다. q가 1/3 이하이면 연속적 전이가, 그 이상이면 불연속적 전이가 나타나며, q=1/3, z=3/2에서 삼중점(tricritical point)이 존재한다.

마지막으로 의존성 링크만을 포함하는 단일 네트워크(‘dependency network’)에 대해서도 동일한 프레임워크가 적용 가능함을 보여준다. 전체적으로 논문은 기존의 복잡한 ‘cascade’ 모델을 순수하게 전염병 확산 방정식으로 치환함으로써, 수식적 투명성과 확장성을 크게 향상시켰다.