성장하는 적응 네트워크에서 전염병 임계값이 사라진다

초록

본 연구는 선호적 부착으로 성장하는 네트워크에서 SIR 전염병이 동시에 진행될 때, 전염성 증가가 네트워크의 차수 분포를 스케일‑프리에서 지수형으로 바꾸지만, 무한 규모에서는 여전히 전염병 임계값이 존재하지 않음을 보여준다.

상세 분석

이 논문은 두 가지 동적 과정을 하나의 모델에 통합한다. 첫 번째는 바람직한 연결성을 갖는 스케일‑프리 네트워크를 생성하는 전통적인 선호적 부착 메커니즘이며, 두 번째는 감염된 노드가 회복 혹은 사망 후 네트워크에서 제거되는 SIR 전염병 과정이다. 저자들은 네트워크 성장 속도와 전염병 전파 속도를 동일한 시간 척도로 매핑함으로써, 전염병이 네트워크 구조에 미치는 피드백 효과를 정량화한다.

주요 결과는 전염성 파라미터 β가 증가할수록 감염된 노드가 더 많이 제거되어 고차수 노드가 소멸하고, 전체 차수 분포가 유한한 평균·분산을 갖는 지수형으로 전환된다는 점이다. 이는 기존 스케일‑프리 네트워크에서 관찰되는 무한 분산이 사라짐을 의미한다. 그러나 저자들은 평균장(thermodynamic limit)에서 전염병의 기본 재생산수 R₀가 1보다 작아도 전염이 지속될 수 있음을 수학적으로 증명한다. 이는 네트워크가 지수형 차수 분포를 갖게 되더라도, 노드 제거 과정이 네트워크의 연결성을 유지하면서 “핵심” 노드가 지속적으로 재생성되기 때문이다.

분석 방법으로는 (i) 평균장 근사(mean‑field) 방정식, (ii) 동적 메시 전달(dynamic message passing) 기법, (iii) 대규모 에이전트 기반 시뮬레이션을 사용하였다. 평균장 모델은 차수별 감염 확률을 추적하고, 동적 메시 전달은 네트워크 구조 변화와 전염병 전파를 동시에 고려한다. 시뮬레이션 결과는 두 이론적 접근과 일치하며, 특히 네트워크 규모 N→∞ 일 때 전염병 임계값이 사라지는 현상을 명확히 보여준다.

이 연구는 전염병이 사회적 연결망을 직접 재구성한다는 점을 강조한다. 기존 연구들은 주로 정적 네트워크 위에서 전염병 역학을 분석했지만, 여기서는 네트워크 성장과 감염에 의한 노드 소멸이 동시에 일어나는 상황을 다룸으로써, 실제 인간 사회에서 전염병이 사회적 행동 변화를 촉발하고, 그 결과 네트워크 토폴로지가 급격히 변할 수 있음을 시사한다. 또한, 전염병 정책 입안 시 “임계값 존재 여부”에 대한 전통적 가정이 부적절할 수 있음을 경고한다.