이산·가우시안·심플렉스 확산을 하나로 묶는 Wright‑Fisher 통합 이론

초록

본 논문은 DNA·단백질·자연어와 같은 이산 시퀀스에 적용되는 세 가지 확산 모델(이산 확산, 가우시안 확산, 심플렉스 확산)을 Wright‑Fisher 인구유전 모델의 서로 다른 파라미터화로 통합한다. 작은 개체수에서는 이산 확산, 큰 개체수에서 재생산이 없을 때는 가우시안 확산, 재생산이 있을 때는 심플렉스 확산이 나타난다. 이 통합을 통해 모델 간 likelihood와 하이퍼파라미터를 정량적으로 비교하고, 기존 심플렉스 확산의 수치 불안정을 수학적 유전학 결과를 이용해 해결한다. 또한 하나의 네트워크를 훈련시켜 테스트 시에 세 도메인 중任意로 선택해 사용할 수 있음을 실험적으로 입증한다.

상세 분석

이 논문은 세 가지 기존 확산 프레임워크를 Wright‑Fisher (WF) 모델이라는 단일 확률 과정으로 귀결시킨다. WF 모델은 유전학에서 유전자형 빈도의 무작위 변동을 기술하는 마코프 연속시간 과정이며, 개체수 ζ와 변이·재생산 매개변수에 따라 다양한 동역학을 보인다. 저자들은 ζ=1일 때 변이 행렬 L만 남아 이산 마코프 체인, 즉 기존 이산 확산과 동일함을 증명한다. ζ→∞ 로 한계에서 중앙극한정리를 적용하면 개체수 복제에 의해 평균 빈도는 L의 고정점 π에 수렴하고, 그 주변 변동은 다변량 정규분포로 근사된다. 이때 재생산률을 0으로 두면 변이만 남아 가우시안 확산(브라운 운동)과 일치하고, 재생산률을 양수로 유지하면 변이가 정규화된 심플렉스(단순히 확률벡터) 위에서 진행되는 Jacobi‑type 확산이 된다.

핵심 수학적 기여는 (1) 세 모델의 likelihood가 동일한 시간‑스케일 τ(t) 하에서 동일한 ELBO 형태로 변환될 수 있음을 보인 점, (2) “hollow parameterization”이라 명명한 이산 모델의 추가 자유도가 likelihood 비교 가능성을 좌우한다는 사실을 밝혀냈다. 특히, 기존 연구가 주장한 “연속‑공간 likelihood는 이산‑공간 likelihood와 직접 비교 불가”라는 일반적 믿음을, 파라미터화 선택에 따라 비교 가능함을 증명함으로써 정정한다.

수치적 불안정성 문제는 심플렉스 확산이 작은 t에서 확산 계수가 급격히 커지는 점에 기인한다. 저자들은 WF 모델의 “sufficient‑statistic parameterization”을 도입해 확산을 확률벡터의 충분통계(즉, 빈도 비율)로 재표현하고, 이를 통해 SDE의 drift와 diffusion term을 안정적인 형태로 재구성한다. 결과적으로 기존 Jacobi·CIR 기반 방법보다 1~2 order magnitude 낮은 KL 손실을 기록한다.

실험에서는 (a) 조건부 DNA 서열 생성에서 WF‑based 심플렉스 확산이 최신 심플렉스 모델을 능가함을, (b) 단일 네트워크를 ζ=1, ζ→∞(가우시안), ζ→∞(심플렉스) 세 설정으로 동시에 훈련시켜도 각각 전용 모델 대비 성능 격차가 미미함을 입증한다. 이는 파라미터 공유와 도메인‑불변 표현 학습이 가능함을 시사한다.

전반적으로 이 논문은 확산 모델링의 이론적 통일성을 제공함과 동시에 실용적인 알고리즘 개선을 제시한다. 특히, 유전학에서 수십 년간 축적된 WF 이론을 머신러닝에 적용한 점은 학제간 연구의 모범 사례라 할 수 있다.