고연결 경쟁 불린 네트워크의 임계 상태에서의 관통성

초록

본 연구는 입력이 3개 이상인 고연결 불린 네트워크가 경쟁적 진화 과정을 거칠 때, 동적 임계점에서 관통된(캔알리제이션) 상태에 도달한다는 것을 보인다. K>3인 경우에도 동일한 임계적 안정성과 진화 대칭이 나타나지만, 이는 진화 역학이 동질적인 불린 함수(예: AND, OR) 쪽으로 편향될 때만 실현된다.

상세 분석

본 논문은 K=3인 경우에 이미 보고된 ‘관통성(canalization)’ 현상을 K>3, 즉 더 높은 연결 차수를 가진 불린 네트워크에 일반화한다. 연구자는 먼저 K-입력 불린 노드들의 진화 모델을 정의한다. 각 노드는 무작위 초기 부울 함수로 시작하고, 전체 네트워크는 ‘프러스트레이션(competition)’ 메커니즘에 의해 진화한다. 구체적으로, 두 노드가 서로의 출력에 영향을 미치면서, 서로 상충되는 목표(예: 에너지 최소화 vs. 다양성 유지)를 추구한다. 이 과정에서 노드들의 함수는 변이와 선택을 통해 점진적으로 변한다.

핵심 결과는 다음과 같다. 첫째, K>3인 네트워크도 K=3과 마찬가지로 ‘임계 경계(critical boundary)’에 도달한다. 이 경계는 ‘정돈된(ordered)’ 단계와 ‘혼돈된(chaotic)’ 단계 사이에 존재하며, 네트워크의 평균 감도(average sensitivity)가 1에 가까워지는 지점이다. 둘째, 임계 상태에서 다수의 노드가 관통된 형태를 보인다. 즉, 특정 입력 변수의 고정값만으로 해당 노드의 출력이 결정되며, 나머지 입력은 무시된다. 이는 ‘관통된 부울 함수(canalized Boolean functions)’라 불리며, 네트워크 전체의 견고성을 크게 향상시킨다.

흥미로운 점은 관통성이 자동적으로 발생하지 않는다는 것이다. 저자들은 진화 역학에 ‘동질성 편향(homogeneity bias)’을 도입한다. 구체적으로, 변이 단계에서 동질적인 출력(전부 0 또는 전부 1) 혹은 단순 논리 연산(AND, OR)으로의 전이를 선호하도록 확률을 조정한다. 이러한 편향이 없으면, 높은 K값 때문에 함수 공간이 급격히 확장되어 무작위적인 복잡함이 지배하고, 관통된 구조가 사라진다. 따라서 ‘동질성 편향’은 관통된 임계 상태를 유지하는 필수 조건으로 작용한다.

또한, 논문은 진화 과정의 대칭성을 분석한다. K=3 경우와 마찬가지로, K>3에서도 ‘입력 교환 대칭(input permutation symmetry)’과 ‘출력 반전 대칭(output negation symmetry)’이 보존된다. 이는 진화 연산자가 함수 공간의 대칭군에 대해 불변함을 의미한다. 대칭성이 보존될 때, 관통된 함수들의 집합은 대칭군의 궤도(orbit)로 구성되며, 이는 네트워크가 임계점에서 효율적으로 탐색할 수 있는 ‘정규화된 경로’를 제공한다.

마지막으로, 저자들은 수치 시뮬레이션을 통해 K=4,5,6에 대해 동일한 현상이 재현됨을 확인한다. 시뮬레이션 결과는 평균 감도가 1에 수렴하고, 관통된 노드 비율이 30~45% 수준으로 유지됨을 보여준다. 특히, 동질성 편향을 제거하면 감도는 1을 초과하고, 네트워크는 급격히 혼돈 상태로 전이한다. 이러한 결과는 관통성 현상이 ‘고연결’ 네트워크에서도 ‘진화적 편향’에 의해 조절될 수 있음을 강력히 시사한다.