다차원 스케일링을 포인케레 디스크에서 구현

초록

본 논문은 하이퍼볼릭 평면의 포인케레 디스크 모델을 목표 공간으로 하는 새로운 다차원 스케일링 알고리즘(PD‑MDS)을 제안한다. 복소수 좌표와 초점 거리 선형 탐색을 이용해 경사 하강법을 구현하고, 이산적 라인 서치를 통해 효율적인 최적화를 달성한다. 실험 결과, 기존 유클리드 기반 MDS보다 낮은 스트레스와 빠른 수렴을 보인다.

상세 분석

본 연구는 전통적인 유클리드 공간 기반 MDS가 데이터의 내재적 계층 구조나 급격한 거리 변화를 충분히 표현하지 못한다는 점에 착안한다. 하이퍼볼릭 공간, 특히 포인케레 디스크(Poincaré Disk) 모델은 무한히 확장되는 면적과 지수적 거리 증가 특성으로 인해 트리 구조나 네트워크 데이터에 적합한 임베딩을 제공한다. 논문은 이러한 배경을 바탕으로 PD‑MDS라는 새로운 메트릭 MDS 프레임워크를 설계한다.

핵심 수학적 도구는 복소수 평면 상의 점을 이용한 포인케레 디스크 정의와, 두 점 사이의 하이퍼볼릭 거리 공식 d_D(z_j, z_k)=2 atanh(|z_j−z_k|/|1−z_j z_k̅|)이다. 이를 이용해 거리 보존을 목표 함수로 설정하고, 전체 임베딩 오류 E(z)=∑{j<k} w{jk} I_{jk} (d_{jk}−δ_{jk})^2와 같은 제곱 오차 형태를 채택한다.

경사 하강법 구현 시, 전통적인 유클리드 직선 이동이 아니라 하이퍼볼릭 선형(거리 실현 경로) 상에서 이동해야 한다. 논문은 Lemma 1을 통해 주어진 방향 γ(복소수 단위벡터)와 거리 s에 대해 새로운 점 z’ = (γ tanh(s/2)+z)/(γ z tanh(s/2)+1) 로 계산하는 식을 제시한다. 이 식은 Möbius 변환의 특성을 이용해 디스크 내부에 머무르면서 정확히 거리 s만큼 이동한다는 보장을 제공한다.

스텝 크기 r은 하이퍼볼릭 거리 s와 관계식 r = tanh(s/2)/‖g‖∞ 로 변환되며, r<1/‖g‖∞ 를 만족해야 디스크 경계 초과를 방지한다. 라인 서치 단계에서는 정확한 최소점 탐색보다 충분한 감소 조건을 만족하는 근사 라인 서치를 채택한다. 구체적으로, q(r)=E(z(r))에 대해 Armijo‑type 조건 λ(r)=q(0)+p q’(0) r (0<p<1)을 만족하는 r을 이진 탐색으로 찾는다. 이는 계산 비용을 크게 절감하면서도 수렴성을 유지한다.

알고리즘 흐름은 초기 구성 z^(1) 설정 → 현재 오류와 그래디언트 계산 → 최대 허용 스텝 r_M 계산 → 근사 라인 서치로 최적 r 도출 → Möbius 변환을 이용해 모든 점을 동시에 업데이트 → 수렴 기준(오류, 그래디언트 크기, 스텝 크기, 최대 반복 횟수) 확인 → 반복 종료 형태이다.

실험에서는 2‑차원 시각화 목적의 작은 데이터셋부터 대규모 네트워크 임베딩까지 다양한 경우를 테스트하였다. 결과는 동일한 스트레스 기준에서 유클리드 MDS보다 평균 15‑20% 낮은 오류를 기록했으며, 특히 하이퍼볼릭 트리 구조를 가진 데이터에서 시각적 군집화가 명확히 드러났다. 또한, 근사 라인 서치를 사용한 경우 정확 라인 서치 대비 평균 2‑3배 빠른 실행 시간을 보였으며, 수렴 횟수도 크게 감소하였다.

본 논문은 하이퍼볼릭 공간에서의 최적화가 복잡한 수식과 경계 조건 때문에 종종 회피되는 문제를, Möbius 변환과 복소수 연산을 활용한 직관적인 거리 실현 경로와 근사 라인 서치로 해결한다는 점에서 의의가 크다. 향후 연구에서는 더 복잡한 비선형 목표 함수, 가중치 행렬의 동적 업데이트, 그리고 고차원 하이퍼볼릭 모델(예: 하이퍼볼릭 볼륨)로의 확장을 기대할 수 있다.