정규 트리 위 윌리엄스 베르크네스 모델의 임계 전염율 탐구

초록

본 논문은 차수 $d\ge3$인 정규 트리 $\mathbb{T}^d$에서 진행되는 윌리엄스‑베르크네스(편향 투표) 모델을 연구한다. 감염된 정점은 이웃을 감염률 $\lambda\ge1$로, 건강한 정점은 이웃을 치유률 1로 각각 전파한다. 초기 감염 정점 수가 유한하고 양수일 때, $\lambda>1$이면 감염이 영구히 사라지지 않을 확률이 양수임을 기존 결과와 연결한다. 저자는 새로운 임계값 $\lambda_c\in(1,\infty)$를 존재시켜, $\lambda>\lambda_c$이면 확률적으로 모든 정점이 영원히 감염되는 ‘전염 전역’ 현상이 일어나고, $\lambda<\lambda_c$이면 결국 모든 정점이 건강해짐을 보인다. 또한 $\lambda>\lambda_c$ 구간에서 완전 수렴 정리를 증명하고, 이 모델의 쌍대인 분기‑공동 랜덤 워크에 대한 결과도 제시한다. 마지막으로 트리의 자동군에 대해 불변·에르고딕한 초기 분포에 대한 일반화도 다룬다.

상세 분석

윌리엄스‑베르크네스 모델은 두 종류의 전이율을 갖는 상호작용 입자계로, 감염(1)과 건강(0) 상태가 인접 정점 간에 비대칭적으로 전파된다. 트리 구조는 무한히 확장되는 계층적 그래프이므로, 전염이 무한히 퍼지는지 여부는 전이율 비율 $\lambda$와 차수 $d$에 크게 좌우된다. 기존 연구에서는 $\lambda>1$이면 감염 클러스터가 사라지지 않을 확률이 양수임을 보였지만, 전염이 전 트리를 장악하는 ‘전역 감염’과 전체가 회복되는 ‘전역 회복’ 사이의 정확한 경계는 알려지지 않았다. 저자는 이 문제를 해결하기 위해 두 단계의 임계값을 구분한다. 첫 번째 임계값은 $\lambda=1$으로, 이는 감염이 살아남는 최소 조건이다. 두 번째 임계값 $\lambda_c>1$은 전역 감염이 거의 확실히 일어나는 구간을 정의한다.

주요 기법은 그래프의 자기동형군을 이용한 마코프 체인의 불변 측정과, 전이율을 조절한 비교 과정(coupling)이다. 특히, 트리의 무한성으로 인해 전염이 무한히 확산될 경우, 감염 클러스터는 초기에 유한한 크기라도 점차적으로 ‘프론트’를 형성하며 외부로 전파한다. 이를 정량화하기 위해 저자는 ‘브랜칭 코알레싱 랜덤 워크(branching coalescing random walk)’를 도입한다. 이 과정은 감염 정점이 주변에 새로운 감염을 생성하면서 동시에 이미 존재하는 감염 경로가 합쳐지는 구조를 갖는다. 이 쌍대 과정의 생존 확률과 성장 속도를 분석함으로써, $\lambda>\lambda_c$일 때 감염 프론트가 선형적으로 전파하고, 결국 모든 정점이 감염 상태에 고정된다는 것을 증명한다.

또한, $\lambda<\lambda_c$ 구간에서는 감염 프론트가 스스로 소멸하거나, 건강 정점에 의해 압도당해 전파가 멈춘다. 이를 보이기 위해 ‘재생 가능성(recoverability)’ 개념을 도입하고, 감염 클러스터가 일정 크기 이하로 축소될 확률이 1임을 마코프 연쇄의 재귀적 구조를 이용해 증명한다. 이 과정에서 트리의 차수 $d$가 충분히 크면 감염이 더 쉽게 퍼질 수 있음을 보이지만, $\lambda_c$는 $d$에 대한 명시적 함수라기보다 존재성만을 보장한다.

마지막으로, 초기 배치를 정규 트리의 자동군에 대해 불변 혹은 에르고딕한 확률분포로 설정했을 때도 동일한 임계 현상이 유지됨을 보인다. 이는 공간적 평균과 시간적 평균이 일치하는 에르고딕 정리와, 불변 측정의 극한 행동을 이용한 결과이다. 전체적으로, 이 논문은 트리 위에서의 편향 투표 모델에 대한 전역적인 상전이 현상을 명확히 규정하고, 쌍대 과정과의 깊은 연결 고리를 통해 기존 결과를 일반화·강화하였다.