시간 의존성 및 지연을 고려한 수정된 차기 반응 방법

초록

본 논문은 화학 반응의 발화 시점을 단위율 포아송 과정의 발화 시점으로 표현하고, 이를 이용해 기존 차기 반응 방법을 개선한다. 통합된 반응성 함수를 내부 시간으로 사용함으로써 시간 의존성 및 지연을 갖는 시스템도 정확히, 그리고 기존 방법보다 효율적으로 시뮬레이션할 수 있는 알고리즘을 제시한다.

상세 분석

이 연구는 이산 점프 마코프 과정으로 모델링되는 소수 분자 시스템의 정확한 샘플 경로 생성에 초점을 맞춘다. 전통적인 Gillespie 직접법은 매 단계마다 전체 반응 집합의 총 propensities를 재계산해야 하므로, 반응 수가 많아지면 계산 비용이 급격히 증가한다. Gibson‑Bruck의 Next Reaction Method(NRM)는 각 반응에 대해 “다음 발화 시간”을 미리 계산하고, 우선순위 큐를 이용해 가장 이른 사건을 선택함으로써 불필요한 재계산을 줄인다. 그러나 기존 NRM은 propensities가 시간에 따라 변하거나 반응 지연이 존재할 경우, 내부 시간 업데이트와 이벤트 재스케줄링을 복잡하게 만든다.

논문은 이러한 한계를 극복하기 위해, 모든 반응의 발화 시점을 “단위율 포아송 과정의 발화 시점”으로 모델링한다는 새로운 관점을 도입한다. 구체적으로, 각 반응 (R_j)에 대해 독립적인 포아송 과정 (P_j)를 정의하고, 그 내부 시간 (\tau_j(t)=\int_0^t a_j(s)ds) (여기서 (a_j)는 시간 의존적 propensities)와 연계한다. 포아송 과정의 다음 도착 시간은 (\tau_j)에 대한 역함수 (T_j = \inf{t:\tau_j(t) \geq E_j}) 로 표현되며, 여기서 (E_j)는 초기화 시점에 생성된 지수분포(단위율) 난수이다. 이 구조는 다음과 같은 장점을 제공한다.

1. 난수 재사용: 각 반응마다 한 번만 (E_j)를 생성하면 되므로, 시뮬레이션 전반에 걸쳐 난수 생성 비용이 크게 감소한다.
2. 내부 시간의 누적: propensities가 시간에 따라 변하더라도 (\tau_j)를 누적 적분만 하면 되므로, 매 단계마다 전체 propensities를 재계산할 필요가 없다.
3. 우선순위 큐의 효율성: (T_j) 값만을 큐에 저장하고, 가장 작은 값을 팝하면 바로 다음 반응을 결정할 수 있다. 지연이 있는 경우, 반응이 “시작”될 때와 “완료”될 때를 각각 별도의 이벤트로 큐에 삽입함으로써 자연스럽게 처리한다.

시간 의존성에 대한 처리는 (\tau_j)의 업데이트 규칙을 통해 구현된다. 현재 시각 (t)에서 다음 이벤트까지의 시간 (\Delta t)가 결정되면, 모든 반응의 내부 시간은 (\tau_j \leftarrow \tau_j + a_j(t)\Delta t) 로 증가한다. 만약 (a_j)가 명시적으로 (t)에 의존한다면, 적분을 정확히 수행하기 위해 작은 구간으로 나누어 선형 또는 고차 보간을 적용할 수 있다. 지연을 포함하는 경우, 반응이 시작될 때마다 해당 반응의 “완료 시점”을 별도 이벤트로 스케줄링하고, 큐에서 해당 이벤트가 꺼내질 때 실제 상태 변화를 적용한다. 이렇게 하면 지연이 겹치거나 비정상적인 경우에도 정확한 마코프 점프를 보장한다.

복잡도 분석에 따르면, 각 스텝에서 수행되는 연산은 (i) 우선순위 큐에서 최소값 추출 O(log M) (M은 반응 수), (ii) 선택된 반응에 대한 내부 시간 재계산 O(1), (iii) 지연 이벤트 삽입 O(log M) 정도이다. 기존 NRM이 시간 의존성이나 지연을 다룰 때 O(M) 수준의 재계산을 요구하는 것에 비해, 제안된 방법은 평균적으로 O(log M)으로 비용을 크게 절감한다. 실험 결과는 특히 반응 수가 수천 개에 달하고, propensities가 급격히 변하거나 지연이 길어지는 경우에 현저한 속도 향상을 보여준다.

이와 같이, 포아송 과정 기반 내부 시간 모델링은 정확성을 유지하면서도 복잡한 시간 의존성 및 지연 메커니즘을 자연스럽게 통합할 수 있는 강력한 프레임워크를 제공한다.