스케일프리 네트워크에서 파라노 패러독스는 발생하지 않는다

초록

본 논문은 파라노 패러독스가 복잡한 연결 구조를 가진 스케일프리 네트워크에서도 나타나는지를 실험과 이론으로 검증한다. 원래 파라노 게임과 동일한 파라미터 수를 유지한 ‘단순’ 모델을 적용했을 때, 개별 게임은 손실이지만 무작위 순서로 섞이면 이익을 얻는 현상이 스케일프리 네트워크에서는 재현되지 않음을 확인하였다. 시뮬레이션 결과와 평균장 이론 분석을 통해 이 현상의 원인을 설명하고, 파라노 패러독스가 네트워크 토폴로지에 따라 달라질 수 있음을 시사한다.

상세 분석

파라노 패러독스는 두 개 이상의 손실 게임을 무작위 혹은 주기적으로 조합하면 기대값이 양수가 되는 역설적 현상으로, 초기에는 동전 던지기 형태의 단순 게임 A와 복잡한 규칙을 가진 게임 B로 제시되었다. 이후 연구들은 게임 B에 이웃의 상태, 기억 효과, 다차원 격자 등 다양한 의존성을 부여해 확장했으며, 대부분은 특정 파라미터 구간에서 패러독스가 유지된다는 결과를 보였다. 본 논문은 이러한 확장의 하나로, 실제 세계에서 흔히 관찰되는 스케일프리 네트워크(정점의 차수가 파워‑law 분포를 따르는 구조)에 파라노 게임을 적용한다는 점에서 의의가 크다.

연구진은 먼저 기존 파라노 게임의 파라미터를 그대로 유지한 ‘naïve’ 모델을 정의한다. 게임 A는 고정된 승률 pA<0.5, 게임 B는 이웃 정점의 승패에 따라 두 가지 동전(pB1, pB2)을 선택하는 규칙을 갖는다. 네트워크 상의 각 정점은 자신의 차수 k에 따라 이웃 중 승리한 정점의 비율이 임계값 R을 초과하면 pB1, 그렇지 않으면 pB2를 사용한다. 여기서 R은 전체 네트워크에 대해 동일하게 적용되는 전역 파라미터이다.

시뮬레이션은 10⁴ 정점, 평균 차수 ⟨k⟩≈4인 바라바시‑알베르트 모델을 사용해 10⁶ 라운드까지 진행하였다. 결과는 세 가지 경우(A만, B만, A와 B를 무작위 교대로)로 구분했으며, A와 B 각각은 기대값이 음수였지만 A‑B 혼합에서도 기대값이 양수로 전환되지 않았다. 이는 ‘패러독스가 사라졌다’는 직접적인 증거이다.

이론적 분석에서는 평균장 근사(mean‑field)와 마스터 방정식을 결합해 각 정점의 승률을 평균 차수와 R에 대한 함수로 전개하였다. 스케일프리 네트워크는 높은 차수를 가진 허브 정점이 전체 동역학을 지배하는 특성이 있다. 허브가 게임 B의 승률에 크게 영향을 미치면 전체 시스템은 한쪽 승률에 편향되며, 이는 무작위 혼합에서도 평균 승률이 여전히 음수임을 의미한다. 또한, 파라미터 공간을 전역적으로 탐색했을 때 pA, pB1, pB2, R의 조합이 어떠하든 평균장 해는 음의 고정점만을 갖는다. 이는 네트워크 이질성이 게임 간 상호 보완성을 약화시켜 패러독스 발생 조건을 만족시키지 못함을 보여준다.

결과적으로, 스케일프리 토폴로지는 정점 간 연결 강도의 비대칭성을 도입해 파라노 게임의 핵심 메커니즘인 ‘승률 교차점’이 사라지게 만든다. 따라서 원래 파라노 게임과 동일한 파라미터 수를 유지한 단순 모델에서는 스케일프리 네트워크 상에서 패러독스가 발생하지 않는다. 이 결론은 파라노 패러독스가 토폴로지 의존적이며, 복잡계 시스템에 적용할 때는 네트워크 구조를 고려한 파라미터 설계가 필요함을 시사한다.