비평형·비정상 시스템의 희귀 사건 샘플링을 위한 일반 알고리즘

초록

본 논문은 비평형·비정상 상태에서 발생하는 희귀 사건의 확률을 시간에 따라 추적할 수 있는 새로운 샘플링 방법을 제시한다. 시스템의 위상공간을 다중 구역으로 분할하고, 각 구역 간 전이 확률을 동적으로 추정함으로써 전통적인 전이 경로 사전 지식 없이도 정확한 희귀 사건 통계를 얻는다. Glauber‑Ising 모델(시간 변동 전단 흐름), Kawasaki‑Ising 모델(퀀치 후 핵생성·스핀odal 전이 중간 영역), 그리고 병렬 개방 비대칭 배제 과정(p‑o ASEP) 세 가지 사례에 대해 검증했으며, 구역 세분화가 정교해질수록 성능이 유지되는 것을 확인하였다.

상세 요약

이 연구는 비평형·비정상 시스템에서 희귀 사건을 효율적으로 샘플링하기 위한 알고리즘을 체계적으로 설계하고, 그 수학적 기반을 명확히 제시한다. 핵심 아이디어는 전체 위상공간을 ‘셀(cell)’이라 불리는 작은 구역으로 나눈 뒤, 각 셀 내부와 셀 간 전이 확률을 마코프 연쇄 형태로 모델링하는 것이다. 전통적인 전이 경로 기반 방법은 사전 지식이 필요하거나, 시스템이 정적(steady‑state)일 때만 적용 가능했지만, 제안된 방법은 시간에 따라 변하는 전이 행렬을 직접 추정함으로써 동적 환경에서도 적용 가능하도록 설계되었다.

알고리즘은 크게 네 단계로 구성된다. 첫째, 초기 조건에 따라 위상공간을 균등 혹은 가변 크기의 셀로 분할한다. 둘째, 각 셀에서 시뮬레이션을 수행하며, 셀 내부에서 발생한 ‘방문 횟수’와 ‘탈출 횟수’를 기록한다. 셋째, 수집된 통계로부터 셀 간 전이 확률 (P_{ij}(t))를 시간 구간별로 추정하고, 이를 이용해 마코프 전이 행렬을 구성한다. 넷째, 전이 행렬을 이용해 희귀 사건(예: 특정 매크로스테이트에 도달)의 시간 의존 확률 (p(t))를 직접 계산한다. 특히, 전이 확률을 시간 구간별로 업데이트함으로써 비정상적인 외부 구동(예: 전단 흐름, 급격한 온도 변화)에도 적응한다.

수학적으로는 셀 (C_i)에 대한 점유 확률 (\pi_i(t))가 다음과 같은 마코프 방정식으로 기술된다.
\