스웜 계산법을 향한 연구 집단 의사결정과 성능의 보편적 특성

초록

본 논문은 스웜 지능의 일반화된 모델링을 목표로 두 가지 추상 모델을 제시한다. 첫 번째는 협력과 간섭 사이의 균형을 이용해 군집 밀도에 따른 성능을 예측하는 모델이며, 다양한 실험 데이터에 적용해 좋은 적합성을 보였다. 두 번째는 urn(항아리) 모델을 기반으로 한 집단 의사결정 모델로, 시간에 따라 변하는 양성 피드백 확률을 현재 합의 수준에 따라 조절하는 파라미터로 설명한다. 마코프 과정, 분할 확률, 평균 첫 통과 시간 등 수학적 도구를 활용해 모델을 분석하고, 인공 및 자연 스웜에 대한 적용 사례를 제시한다.

상세 분석

이 논문은 스웜 지능 연구에서 “스웜 계산법(swarm calculus)”이라는 개념을 도입하려는 시도로, 복잡한 군집 행동을 소수의 파라미터만으로 정량화하고 예측할 수 있는 보편적 프레임워크를 탐색한다. 첫 번째 모델은 군집 성능 P(N) 을 군집 규모 N 에 대한 함수로 표현한다. 여기서 저자는 협력 효과 C(N) 과 간섭 효과 I(N) 을 각각 증가·감소 함수로 가정하고, 전체 성능을 P(N)=C(N)·I(N) 형태로 결합한다. 협력은 일반적으로 초기 규모에서 급격히 증가하며 포화에 도달하고, 간섭은 규모가 커질수록 지수적으로 감소한다는 가정이 실험 데이터(예: 로봇 탐색, 물고기 무리, 곤충 군집)와 일치한다. 파라미터 추정은 최소제곱법과 베이지안 추정으로 수행되며, 모델은 다양한 실험 설정에서 R² > 0.9의 높은 설명력을 보인다. 이 접근법은 스웜 설계 시 목표 성능을 달성하기 위한 최적 규모를 사전에 계산할 수 있게 해, 하드웨어 비용과 에너지 소비를 최소화하는 설계 가이드라인을 제공한다.

두 번째 모델은 전통적인 Polya urn 과 유사하게, 각 개체가 두 가지 선택지(예: A와 B) 중 하나를 지지하도록 설정한다. 시간 t 에 따라 양성 피드백 확률 p₊(t) 이 현재 합의 비율 x(t) (예: A를 지지하는 비율)과 연관된 함수 p₊(t)=f(x(t), α) 로 정의된다. 여기서 α 는 피드백 강도를 조절하는 파라미터이며, f는 일반적으로 f(x)=α·x·(1−x) 와 같은 형태를 취한다. 이 모델은 마코프 연쇄로 기술되며 전이 행렬은 현재 상태 x 에 따라 동적으로 변한다. 저자는 분할 확률(시스템이 어느 선택지에 최종적으로 수렴할 확률)과 평균 첫 통과 시간(MFPT)을 정확히 계산하기 위해 생성함수와 차분 방정식을 활용한다. 특히, 양성 피드백이 초기에는 약하지만 시간이 지남에 따라 급격히 증가하는 “임계 현상”을 설명하기 위해 α 값을 시간에 따라 선형 혹은 로그 형태로 증가시키는 시나리오를 제시한다. 실험적으로는 로봇 군집이 목표 지점에 도달하기 위한 합의 형성, 꿀벌 무리의 식량원 선택, 그리고 인간 사회에서의 의견 전파 데이터를 모델에 맞춰 추정하였다. 결과는 모델이 실제 데이터의 비선형 성장과 급격한 전환을 정확히 재현함을 보여준다.

수학적 분석 외에도 저자는 모델 검증을 위한 실험 설계, 파라미터 추정 방법, 그리고 모델의 한계(예: 외부 교란, 비동질성, 다중 선택지 확장)에 대해서도 논의한다. 전체적으로 이 논문은 스웜 행동을 두 개의 핵심 메커니즘(협력‑간섭, 양성‑음성 피드백)으로 압축하고, 이를 확률적 동역학 모델에 매핑함으로써 “스웜 계산법”의 초석을 마련한다는 점에서 학문적·공학적 의의가 크다.