시간 변동 상호작용을 동적 베이지안 추론으로 포착: 진동자 쌍에서 네트워크까지

초록

본 논문은 동적 베이지안 추론을 이용해 잡음이 섞인 시계열에서 시간에 따라 변하는 진동자 간 상호작용, 동기화 여부, 인과 방향 및 결합 함수를 정확히 추정하는 방법을 제시한다. 합성 데이터, 전자 회로, 심폐 데이터에 적용하고, 네트워크 규모로 일반화한다.

상세 분석

이 연구는 비선형 진동 시스템을 위상 모델로 환원한 뒤, 시간에 따라 변하는 파라미터를 베이지안 프레임워크 안에서 연속적으로 업데이트하는 절차를 제시한다. 핵심은 사후 확률을 사전 확률에 “시간적 연속성”을 반영해 가중치를 부여함으로써, 이전 샘플에서 얻은 정보를 현재 추정에 자연스럽게 통합하는 것이다. 구체적으로, 각 진동자의 위상 ϕ_i(t)를 Fourier 급수 형태의 결합 함수 q_{ij}(ϕ_i,ϕ_j)와 함께 선형 결합 형태로 표현하고, 이 계수들을 가우시안 사전으로 설정한다. 시간 창을 슬라이딩하면서 관측된 위상 차이를 이용해 최대우도 추정값을 구하고, 그 결과를 새로운 사전으로 재설정한다(‘연속 사전’). 이렇게 하면 파라미터가 급격히 변하지 않는 한, 추정이 과도하게 흔들리지 않으며, 동시에 잡음에 의해 발생하는 위상 슬립을 동기화와 구분할 수 있다.

동기화 검출은 추정된 결합 함수가 잠재적 위상 고정점을 생성하는지 여부를 확인함으로써 수행된다. 고정점이 존재하고 안정적이면 동기화가 있다고 판단하고, 고정점이 없거나 불안정하면 비동기화 상태로 간주한다. 인과 방향성은 각 결합 함수의 크기와 형태를 비교해 어느 진동자가 다른 진동자에게 더 큰 영향을 미치는지를 정량화한다. 특히, 비선형 결합 함수의 형태를 그대로 복원함으로써, 단순한 선형 상관관계가 아닌 실제 물리적 메커니즘을 드러낼 수 있다.

실험에서는 먼저 잡음이 섞인 로렌츠-윌러 형태의 합성 데이터에 적용해, 파라미터가 사전에 정의된 스펙트럼대로 변할 때 정확히 추적함을 보였다. 이어 전자 회로(두 개의 VCO가 상호 결합된 회로)에서 측정된 전압 신호를 위상으로 변환해 적용했으며, 회로 내부의 가변 저항에 의해 결합 강도가 변함에도 불구하고 실시간으로 변화를 포착했다. 마지막으로 인간의 심박수와 호흡 신호에 적용해, 수면 중·각성 중에 나타나는 상호작용 패턴의 차이를 정량화하고, 기존 방법이 놓치기 쉬운 미세한 비동기화 이벤트를 식별했다.

네트워크 일반화에서는 N개의 진동자를 대상으로 결합 함수를 다중 차원 Fourier 급수로 확장하고, 사전 공분산 행렬에 희소성 가정을 도입해 계산 복잡도를 완화했다. 시뮬레이션에서는 5~10개의 진동자가 복합적으로 연결된 경우에도 각 연결의 존재 여부와 강도를 정확히 복원했으며, 네트워크 규모가 커질수록 사전 업데이트 주기를 조절하면 추정 정확도와 연산 비용 사이의 균형을 맞출 수 있음을 확인했다.

전체적으로 이 방법은 (1) 시간에 따라 변하는 비선형 결합 함수를 직접 추정, (2) 동기화와 비동기화 상태를 잡음으로부터 구분, (3) 인과 방향성을 정량화, (4) 네트워크 규모로 확장 가능하다는 네 가지 강점을 제공한다. 다만, 위상 추출 과정에서 신호 전처리의 품질에 민감하고, 사전 공분산의 선택이 추정 수렴 속도에 큰 영향을 미친다는 제한점도 논의된다.