계층적 모듈 네트워크의 다중 시간 스케일

초록

이 논문은 계층적으로 중첩된 모듈 구조를 가진 네트워크에서 동기화 현상이 서로 다른 계층마다 고유한 시간 스케일을 보인다는 것을 보여준다. 단순 모듈 네트워크에서 확인된 빠른 내부‑모듈 동기화와 느린 모듈‑간 동기화가 계층을 늘리면 단계적으로 반복되어, 계층 수만큼의 구분된 동기화 시간대가 발생한다. 라플라시안 스펙트럼의 구멍(gap) 분석을 통해 이러한 현상의 수학적 근거를 제시한다.

상세 분석

본 연구는 복잡계 네트워크에서 흔히 관찰되는 ‘계층적 모듈성(hierarchical modularity)’을 정량적으로 모델링하고, 이 구조가 동적 과정, 특히 위상 동기화에 미치는 영향을 체계적으로 분석한다. 네트워크 생성 규칙은 가장 낮은 수준(l=0)에서 M개의 모듈을 n개의 노드로 구성하고, 각 모듈 내부 연결밀도 ρ₁을 정의한다. 이후 상위 수준(l=1,2,…,hₗₑᵥ)에서는 각각 m, q,…개의 하위 모듈을 하나의 메타‑모듈로 묶으며, 인접 레벨 간 연결밀도 비율 r=ρ_{l+1}/ρ_l (0≤r≤1) 로 계층적 연결 강도를 조절한다. r=0이면 완전 분리된 모듈 집합, r=1이면 전형적인 Erdos‑Renyi 무작위 그래프가 된다. 이렇게 정의된 네트워크는 평균 차수 ⟨k⟩와 계층 깊이 hₗₑᵥ, 분기 계수 q 등 몇 가지 파라미터만으로 다양한 실세계 네트워크 형태를 재현한다.

동기화 역학은 동일 주파수 ω를 갖는 Kuramoto 형태의 위상 진동자 집합으로 설정하고, 결합 강도 κ=1, 인접 행렬 A를 이용해 dθ_i/dt = ω + (1/k_i)∑j A{ij} sin(θ_j-θ_i) 로 기술한다. 초기 위상은 무작위 분포를 취한다. 시뮬레이션 결과는 동기화 진행을 ‘지역 순서 매개변수’ ρ_{ij}=⟨cos(θ_i-θ_j)⟩ 로 측정하고, 임계값 T를 두어 동기화 그래프 D(t) 를 구성함으로써, 시간에 따라 연결된 클러스터 수 n_sync(t) 를 추적한다. 계층적 모듈 네트워크에서는 n_sync(t) 가 단계적 감소를 보이며, 각 단계는 네트워크의 한 계층에 해당한다. 예를 들어 hₗₑᵥ=3인 경우, 가장 짧은 시간 τ_m 에서는 64개의 16‑노드 모듈이 각각 동기화되고, 그 다음 τ_{mm} 에서는 4개의 메타‑모듈(각 64노드)이 합쳐지며, 최종적으로 τ_g 에서 전체 1024노드가 전역 동기화에 도달한다. 파라미터 r을 증가시켜 모듈 간 연결을 강화하면, 각 단계의 시간 차이가 축소되어 r→1일 때는 단일 연속적인 동기화 과정으로 변한다.

수학적 근거는 라플라시안 L의 고유값 스펙트럼을 분석함으로써 제공된다. 라플라시안 행렬의 역고유값 1/λ_i 를 크기순으로 정렬하면, 계층적 구조에 대응하는 ‘스펙트럼 갭(gap)’이 hₗₑᵥ 개 존재한다. 각 갭은 해당 계층의 내부 결합 강도와 외부 결합 강도 차이에 의해 결정되며, 갭이 클수록 해당 계층의 동기화가 다른 계층보다 현저히 느리게 진행된다. r이 작을수록 갭이 넓어져 시간 스케일 분리가 뚜렷해지고, r이 1에 가까워질수록 갭이 사라져 스펙트럼이 연속적으로 변한다. 따라서 라플라시안 스펙트럼은 네트워크 구조와 동적 시간 스케일 사이의 직접적인 연결 고리 역할을 한다.

이러한 결과는 자연계와 인공계에서 관찰되는 다중 시간 스케일 현상을 설명하는 데 유용하다. 예컨대, 뇌의 기능적 연결망은 지역적인 회로가 빠르게 동기화되는 반면, 대규모 네트워크는 느리게 통합된다. 계층적 모듈성은 이러한 시간적 분리를 구조적으로 보장함으로써, 정보 처리, 신호 전파, 혹은 병리적 동기화(예: 발작)와 같은 현상을 제어할 수 있는 메커니즘을 제공한다.