무작위 불린 네트워크의 영향과 동적 전이 분석

초록

본 논문은 불린 네트워크의 동적 거동을 평균 영향값 I와 연결하는 수학적 프레임워크를 제시한다. I < 1이면 교란이 소멸하고, I > 1이면 지수적으로 확산한다는 정리를 증명하고, 다양한 전이 함수군(무작위, 편향, 관통, 임계, 다수결 등)에 대해 I(d)를 계산한다. 또한 그래프 구조와 전이 함수의 균형 여부가 동적 전이에 미치는 영향을 강조한다.

상세 분석

논문은 먼저 무작위 그래프 G와 전이 함수 분포 T 를 정의하고, 각 노드의 입력 차수 K_i 를 사전 분포 D 에서 독립적으로 샘플링한다. 전이 함수는 K_i 입력을 갖는 불린 함수 f_i 로, 두 가지 가정 중 하나를 만족한다. 첫 번째는 진리표의 모든 항목이 독립적으로 ±1 을 취하는 완전 독립성, 두 번째는 평균적으로 +1 과 –1 이 동등하게 나타나는 균형성이다. 이러한 설정 하에 저자들은 Kahn‑et al.이 정의한 변수 영향(influence) 개념을 도입한다. 입력 i 가 함수 f 에 미치는 영향 Inf_i(f) 는 입력을 반전시켰을 때 출력이 바뀔 확률이며, 전체 기대 영향 I(d) 는 d‑입력 함수에 대해 모든 입력의 영향을 합산한 기대값이다.

핵심 정리는 I = K_max ∑_{d=1}^{K_max} p(d) I(d) 로 정의된 전체 평균 영향이 1보다 작으면 교란이 소멸하고, 1보다 크면 Hamming 거리의 기대값이 시간 t ≤ t* (t* ≈ log n / (4 log K_max)) 에서 I^t ± n^{-1/4} 로 성장한다는 것이다. 따라서 시스템의 임계 조건은 I = 1 로 요약된다. 이 정리는 기존 평균 차수 K 에 대한 영향 I(K) 를 사용하는 전통적 평균장(mean‑field) 접근이 I(d) 가 선형일 때만 정확함을 보여준다.

다음으로 저자들은 다양한 전이 함수군에 대해 I(d) 를 구한다. 진리표 항목이 i.i.d. 로 ±1 을 갖는 무작위 함수에서는 각 초변경(edge)이 이색(bichromatic)일 확률이 1/2 이므로 I(d)=d/2 가 된다. 편향 p 를 도입하면 I(d)=2 d p(1−p) 가 되며, 이는 기존 K p(1−p) = 1/2 임계식과 일치한다. 관통 함수는 하나의 입력이 특정 값이면 출력이 고정되는 특성을 이용해 I(d)=(d+1)/4 로 계산된다. 임계 함수(가중치와 임계값을 무작위 선택)에서는 모든 초변경이 이색일 확률이 1/d 이므로 I(d)=1 로, 차수에 무관하게 임계 상태를 만든다.

다수결 함수와 강한 다수결 함수는 더욱 흥미로운 거동을 보인다. 다수결 함수는 입력이 짝수일 때 균형을 맞추기 위해 무작위 출력을 허용하고, I(d) 가 d가 1·2일 때는 1, d≥3에서는 ≥3/2 로 급격히 증가한다. 반면 강한 다수결(임계값 θ≠0)에서는 이색 초변경이 특정 레벨 사이에만 존재하므로 I(d) 가 d에 따라 비선형적으로 감소하고, 충분히 큰 d에서는 I(d)<1 이 되어 네트워크가 오히려 연결도가 높을수록 정돈(quiescent)해진다. 이는 기존 선형 가정이 깨지는 첫 사례로, 동일 평균 차수 K=4라도 고정 K와 파워‑law 차수 분포가 전혀 다른 동적 결과를 낸다.

마지막으로 그래프 구조와 균형성의 중요성을 강조한다. 입력이 독립적으로 선택되는 무작위 그래프에서는 거리 t 이하의 이웃이 거의 트리 형태가 되어 정리 증명이 가능하지만, 격자와 같이 다항식 성장만 하는 그래프에서는 교란이 급격히 확산되지 않는다. 또한 전이 함수가 균형을 깨면(예: 강한 다수결을 한쪽 방향으로만 선택) I가 1보다 크게 변동하여 혼돈에서 정돈으로 급격히 전이한다. 이러한 결과는 기존 평균장 분석이 전제한 독립·균형 가정이 실제 생물학적 네트워크에서는 쉽게 위배될 수 있음을 시사한다.