클러스터드 무작위 네트워크에서의 연쇄 반응 분석

초록

본 논문은 뉴먼이 제안한 삼각형 기반 클러스터드 무작위 네트워크 모델에 대해, 일반적인 이진 상태 전이 규칙을 갖는 다양한 동역학(사이트·본드 퍼콜레이션, Watts 임계값 모델 등)의 평균 연쇄 규모를 정확히 계산하는 해석적 프레임워크를 제시한다. 전이 조건을 만족하는 경우 전역 연쇄가 발생하는 임계 조건을 도출하고, 클러스터링 정도가 연쇄 규모에 미치는 영향을 판단하는 일반적인 기준을 제시한다. 이론적 결과는 대규모 시뮬레이션과 뛰어난 일치를 보인다.

상세 분석

논문은 먼저 뉴먼(2009)이 제안한 p_{s,t} 결합분포를 이용해 각 정점이 s개의 단일 연결과 t개의 삼각형에 속하도록 구성된 클러스터드 무작위 네트워크를 정의한다. 이때 정점의 실제 차수는 k=s+2t이며, 삼각형 비율 t가 클러스터링 계수 C를 결정한다. 기존의 구성 모델은 트리 구조를 가정해 전파 과정을 단순히 자식→부모 방향의 일차 전이로 기술했지만, 삼각형 존재는 같은 레벨 내에서 두 자식이 동시에 부모와 연결되는 두 번째 전이 경로를 만든다. 저자들은 이를 반영하기 위해 두 종류의 전이 확률을 도입한다. 단일 엣지에 대한 전이 확률 σ₁은 자식이 활성화될 조건부 확률이며, 삼각형 내 두 자식에 대한 전이 확률을 τ₀,τ₁,τ₂로 정의한다. 각각의 확률을 생성함수 σ(x)=σ₀+σ₁x, τ(x)=τ₀+τ₁x+τ₂x² 로 표현하고, 네트워크 전반에 걸친 이웃 활성화 분포 Π_{s,t}(m)와 연결한다. 핵심은 응답 함수 F(m,k)로, m개의 활성 이웃을 가진 차수 k 정점이 활성화될 확률을 나타낸다. 이 함수가 비감소성(∂F/∂m≥0)이고 F(0,k)=0이라는 가정 하에, σ₁과 τ₁,τ₂를 자기 일관적인 방정식(4)~(8)으로 기술한다. 특히 τ₁,τ₂는 α,β,γ라는 중간 변수(각각 한 자식이 무조건 활성, 한 자식이 다른 자식에 의해 활성, 두 자식 모두 비활성)로부터 유도된다. 최종적으로 루트 정점의 활성화 확률 ρ는 식 (9)로 구해지며, 이는 초기 시드 비율 ρ₀와 네트워크 구조·응답 함수의 조합이다.

전역 연쇄 가능성을 판단하기 위해서는 ρ₀→0인 극한에서 선형화된 시스템을 분석한다. 생성함수 G(x)를 1차 항까지 전개하고, σ₁,τ₁,τ₂를 O(ε) 수준으로 스케일링하면 2×2 행렬 A(11~22) 형태의 선형 업데이트식 v_{n+1}=A·v_n을 얻는다. 여기서 가장 큰 고유값 λ₊가 1을 초과하면 작은 초기 교란이 증폭되어 전역 연쇄가 발생한다. λ₊>1 조건은 식 (13)으로 명시되며, 이는 평균 단일 엣지와 삼각형 수(h_{si},h_{ti})와 응답 함수의 첫·두 번째 순간(F₁,F₂) 사이의 복합적인 부등식이다. 따라서 클러스터링이 전파 임계에 미치는 효과는 h_{ti}와 F₁,F₂의 상대적 크기에 따라 정량화된다.

다양한 동역학에 대해 F(m,k)를 구체화하면, 사이트 퍼콜레이션에서는 F(m,k)=1(m≥1)·p(노드가 파괴되지 않음) 형태가 되고, 본드 퍼콜레이션은 엣지 활성화 확률을 반영한 F이 된다. Watts 임계값 모델에서는 각 정점이 고정된 임계값 φ를 가지고 있어, m/k≥φ이면 활성화되는 계단형 함수가 사용된다. 이러한 구체적 F를 대입하면 식 (4)~(9)가 각각의 모델에 대한 평균 연쇄 규모와 임계 조건을 제공한다. 저자들은 실제 네트워크 파라미터(p_{s,t})를 선택해 시뮬레이션을 수행했으며, 이론값과 수치값이 거의 일치함을 확인한다. 특히 클러스터링을 증가시켰을 때, 임계점이 상승하거나 하강하는 경우가 모델에 따라 달라짐을 보여주며, 식 (13)에서 제시한 일반 기준이 이를 예측한다는 점이 핵심적인 통찰이다.