클러스터링 차수 상관 차수 분포를 조절하는 네트워크와 그 위의 전염병

초록

본 논문은 구성 모델을 확장하여 클러스터링, 차수 상관, 차수 분포를 자유롭게 조절할 수 있는 무작위 네트워크를 정의하고, 그 위에 SIR 전염병 모델을 적용한다. 무한대 규모로 갈 때 네트워크의 기본 통계량과 전염병의 기본 재생산수 (R_)·대규모 발병 확률·발병 규모를 분석한다. 결과는 클러스터링이 전파를 억제하고, 차수 상관은 전염병이 임계값 근처일 때 영향을 크게 하며, (R_)가 크게 초과하면 상관이 증가할수록 전파가 감소한다는 것을 보여준다.

상세 분석

이 연구는 기존 구성 모델의 한계를 극복하기 위해 두 가지 핵심 메커니즘을 도입한다. 첫째, 스텁(half‑edge)을 무작위로 연결하는 대신, 일정 비율의 스텁을 완전 연결된 소집단(클리크) 안에 배치함으로써 클러스터링을 직접 제어한다. 클리크의 크기와 비율을 조정하면 전형적인 전역 클러스터링 계수 (C)를 원하는 값으로 맞출 수 있다. 둘째, 차수 상관을 구현하기 위해 스텁을 ‘유사 차수’ 혹은 ‘비유사 차수’ 그룹으로 분류하고, 같은 그룹 내에서 연결할 확률을 높이거나 낮추는 방식으로 양의 상관((\rho>0))과 음의 상관((\rho<0))을 동시에 만들 수 있다. 이때 차수 상관 계수 (\rho)는 스텁 매칭 행렬의 기대값을 통해 명시적으로 계산된다.

네트워크가 무한히 커질 때, 각 정점의 차수 분포는 사전에 지정한 분포와 거의 일치한다. 클러스터링과 차수 상관은 독립적으로 조절 가능하지만, 높은 클러스터링이 존재하면 실제 연결된 이웃의 차수는 약간 변동한다. 저자는 이러한 상호작용을 정밀히 분석하여, 클러스터링이 전염병 전파에 미치는 억제 효과가 차수 상관보다 일반적으로 더 강함을 수학적으로 증명한다.

전염병 모델은 전통적인 SIR 과정을 사용한다. 감염자는 평균 전파 기간 동안 각 연결된 이웃에게 전염 확률 (\beta)로 전파한다. 무한 네트워크 한계에서 전염병 초기 성장률은 기본 재생산수 (R_* = \beta , \mathbb{E}