인구 과정 확률 모델의 약한 오차 분석 및 수치 방법 비교

본 논문은 연속시간 마코프 연쇄(CTMC)로 모델링되는 인구 과정, 특히 생화학·세포생물학 분야에서 널리 사용되는 시스템을 대상으로, 수치 근사 방법들의 약한 오차(편향)를 체계적으로 분석한다. 1. **서론 및 동기** - 정확한 샘플 경로 생성은 Gillespie 알고리즘 등으로 가능하지만, 경로당 연산 비용 N 이 점프 수에 비례해 크게 증가한다. - 대규모 시스템에서 정확 시뮬레이션은 실용적이지 않으며, 편향을 허용하는 근사 방법(τ‑leap, 중점법 등)이 필요하다. 2. **스케일링 프레임워크** - 상태 X ∈ ℝ^d 를 N^{−α_i} 로 정규화해 X_N 을 정의하고, 전이 벡터 ζ_k 도 N^{−c_k} 로 스케일링한다. - 모델 (1.4)‑(1.6) 은 일반적인 스케일 파라미터 γ, c_k, α_i 를 포함해 원 모델 (1.1) 과 동등함을 보인다. - N 은 시스템의 최대 분자 수 규모이며, γ 은 시간 스케일, c_k 는 전이 크기의 스케일을 나타낸다. - ‘Running Assumption’으로 λ_k 와 그 모든 도함수가 N 에 대해 균등하게 유계임을 가정한다. 3. **약한 오차 정의 및 기본 결과** - 약한 오차 B_f(Z_N, x, t) = E_x