의견의 최대 엔트로피 모델

초록

본 논문은 개인의 내적 신념(B)과 외적 표현(S)을 구분하고, 이동 가능한 에이전트가 거리 제한(Rc) 내에서 상호작용하도록 설계한 Potts‑유사 해밀토니안을 최대 엔트로피 추론으로 도출한다. 라그랑주 승수 C, J, R을 각각 개인 일관성, 동조·반동조 경향, 과밀 비용으로 해석하고, 이들 파라미터가 만든 상전이(1차·2차)를 몬테카를로 시뮬레이션으로 탐색한다. 내부 일관성 C가 임계값 이하일 때는 개인 신념이 무시되는 현상을 확인한다.

상세 분석

이 연구는 사회적 의견 형성을 물리학적 스핀 모델에 매핑함으로써 두 가지 핵심 사회적 요인을 정량화한다. 첫 번째는 ‘내적 일관성(consequence)’으로, 개인이 자신의 실제 신념(B)과 외부에 드러내는 의견(S) 사이의 일치 정도를 나타내며, 이는 해밀토니안의 −C∑i h(Si, Bi) 항으로 구현된다. C가 클수록 개인은 자신의 신념을 숨기기 어려워지고, 반대로 C가 작으면 외부 압력에 의해 의견을 자유롭게 바꿀 수 있다. 두 번째는 ‘동조성(assortativity)’으로, 인접한 에이전트 간 의견 일치를 촉진하거나 억제한다. 이는 J ∑⟨i,j⟩ h(Si, Sj) 항으로 표현되며, J>0이면 동질성, J<0이면 이질성을 선호한다. 또한 거리 제한 Rc 이하의 이웃 쌍에 대해 과밀 비용 R을 부여하는 항이 포함되었으나, 분석에서는 R을 0으로 두고 J와 C의 상대 크기에 집중하였다.

최대 엔트로피 프레임워크를 이용해 세 가지 확률 제약(Pc, Pj, Pr)을 라그랑주 승수로 전환하고, 이를 정규화 상수 Z와 결합해 베이즈 확률 P(Γ|H)=Z⁻¹exp(−βH) 형태의 정준 집합을 얻는다. 여기서 β는 ‘사회 온도’로, 시스템의 무작위성 수준을 조절한다. 해밀토니안을 스핀 변수 h(a,b)=2δ(a,b)−1 로 재정의함으로써 Potts 모델과 형태를 일치시켰으며, 내부·외부 의견 차이를 ‘자기장’에 비유하였다.

시뮬레이션에서는 N=20~100명의 에이전트를 2차원 연속 공간에 배치하고, 메트로폴리스 알고리즘으로 상태 전이를 수행한다. 파라미터 공간 (J, C)에서 J/C<1이면 개인이 자신의 신념을 유지하려고 군집을 떠나는 경향이 나타나고, J/C>1이면 개인이 신념을 숨기고 다수 의견에 동조한다는 ‘동조 압력’ 현상이 관찰된다. 특히 C가 임계값 이하일 때는 전체 시스템이 무작위 상태에 가까워져, 개인 신념이 거시적 거동에 거의 영향을 미치지 않는다.

분석적인 한계는 J→0(또는 Rc→0) 경우에만 정확히 풀 수 있다는 점이다. 이 경우 해밀토니안은 내부 일관성 항만 남아, 2차 상전이가 발생하고, 임계 온도 Tc는 식 exp(2/τc)=(1−Q)·τc+1/τc−1 로 정의된다. 그러나 일반적인 J≠0 상황에서는 수치적 방법에 의존해야 하며, R 항을 무시한 단순화가 실제 사회적 과밀 현상을 충분히 포착하지 못할 가능성이 있다.

전체적으로 이 논문은 사회적 의견 동역학을 통계역학적 원리와 최대 엔트로피 추론으로 연결하는 틀을 제공한다. 라그랑주 승수를 사회적 파라미터로 해석함으로써, 실험적 데이터(예: 설문조사, SNS 상호작용)와의 정량적 매핑이 가능해진다. 다만, 연속 공간에서의 거리 제한 구현, 에이전트 수의 제한, 그리고 R 항의 생략 등은 향후 연구에서 보완되어야 할 과제로 남는다.