기억이 네트워크 랜덤워크 동역학에 미치는 영향

초록

이 논문은 2차 마코프 모델을 이용해 기억(메모리)이 네트워크 상 랜덤워크의 스펙트럴 갭과 혼합 시간에 미치는 효과를 이론적으로 분석한다. 퍼트루베이션을 통해 1차 마코프 모델이 확산 속도를 과대·과소평가할 수 있음을 보이고, 인공·실제 데이터(공항 네트워크)로 검증한다.

상세 분석

본 연구는 먼저 무방향·무가중치 물리 네트워크를 메모리 네트워크로 변환한다. 각 물리적 링크 (i,j) 는 두 개의 메모리 노드 #→i j 와 #→j i 를 생성해, 이전 방문 노드를 상태 변수로 포함한다. 이렇게 구성된 2L개의 메모리 노드에 대해 전이 행렬 Tαβ 를 정의하고, 연속시간 포아송 워크를 가정해 라플라시안 L = I − T 를 도입한다. 마코프ian 경우 전이 확률은 모든 아웃-이웃에 대해 균등( T^Mαβ = 1/k_outα )이며, 이때 정규화된 라플라시안의 두 번째 고유값 λ₂ (스펙트럴 갭)은 ½이 된다.

기억 효과는 전이 행렬에 작은 편차 ΔT 를 추가함으로써 모델링한다( T = T^M + ΔT ). 확률 보존 조건 ∑β ΔTαβ = 0 을 만족하도록 설계된 ΔT는 특정 메모리 노드 간 전이를 강화하거나 억제한다. 퍼트루베이션 이론을 적용해 비퇴화된 두 번째 고유값에 대한 1차 근사식을 도출하면

\