다중해상도 파동함수 잠재위치 그래프 모델

초록

본 논문은 정점의 좌표 정보가 주어질 때, 로그오즈 연결 커널을 정규 직교 파동함수 계수로 전개하고 로지스틱 링크를 적용한 교환가능 그래프온 모델인 WL‑ERGs를 제안한다. 파동함수 계수는 해상도와 위치에 따라 인덱싱되어 다중스케일 구조를 희소하고 해석 가능하게 만든다. 유한 차원으로 절단하면 충분통계가 파동함수 상호작용 카운트인 조건부 지수족이 되며, 최대 엔트로피와 대규모 편차 원리를 활용한 정규화·검정이 가능하다. 이론적 보편성, 최소극대 추정, 스케일별 복구·탐지 임계값, 밴드제한 대규모 편차 결과를 제시하고, 뇌 연결망 및 인도 마을 네트워크 실험을 통해 블록·저차원 기준모델 대비 예측력과 해석력을 향상시켰다.

상세 분석

WL‑ERGs는 (0,1) 구간에 정의된 정규 직교 파동함수 집합 {ψ_r}를 이용해 잠재위치 x∈(0,1)의 다중해상도 특징 φ(x)=(ψ_0(x),ψ_1(x),…)ᵀ를 구성한다. Hilbert‑Schmidt 대칭 행렬 S를 도입해 f_S(x,y)=φ(x)ᵀSφ(y) 로 로그오즈 η_{c,S}(x,y)=c+f_S(x,y) 를 정의하고, 로지스틱 함수 σ(·)를 통해 연결 확률 W_{c,S}(x,y)=σ(η_{c,S}(x,y)) 를 얻는다. 이때 S의 원소 s_{rs}는 해상도 r과 s에 해당하는 파동함수의 상호작용 강도를 직접 조절한다. 파동함수는 컴팩트한 지원을 가지므로, 높은 해상도 계수는 국소적인 변화를 포착하고, 저해상도(스케일 0) 계수는 전체 평균 연결성을 담당한다.

모델 생성 과정은 두 단계로 이루어진다. 첫째, 각 정점 i에 대해 U_i∼Uniform(0,1) 로 잠재위치를 샘플링한다. 둘째, 주어진 U에 대해 A_{ij}|U ∼ Bernoulli(W_{c,S}(U_i,U_j)) 로 독립적인 에지를 생성한다. 조건부 독립성은 기존 교환가능 그래프온 모델과 일치하지만, 파동함수 전개 덕분에 충분통계가 S_{rs}(A,U)=∑{i<j}A{ij}ψ_r(U_i)ψ_s(U_j) 로 명시적으로 표현된다. 따라서 유한 인덱스 집합 I에 대해 S를 절단하면, (c, {s_{rs}}_{(r,s)∈I) 로 파라미터화된 조건부 지수족이 형성되고, 이는 최대 엔트로피 원칙에 따라 자연스럽게 도출된다.

이론적 기여는 크게 네 가지로 요약된다. (a) 파동함수‑로그오즈 전개는 Erdős–Rényi, Stochastic Block Model, 로지스틱 Random Dot Product Graph 등 기존 모델을 특수 경우로 포함한다는 보편성 정리를 증명한다. (b) S가 다중스케일 희소성을 만족할 때, 최소극대 위험(minimax) 추정률을 달성하는 비모수적 추정법을 제시하고, 해상도별 복구·탐지 임계값을 정확히 규정한다. (c) 밴드제한(고해상도 계수를 제한) 상황에서 파라미터 공간의 비퇴화(non‑degeneracy)를 보장하고, 유한 차원 지수족에 대한 대규모 편차 원리를 확립한다. (d) 조건부 지수족 구조를 이용해 L1·L2 정규화, 베이지안 스파스 프라이어 등 다양한 정규화 기법을 파라미터 공간에서 직접 적용할 수 있다.

실험에서는 (i) 합성 그래프에 대해 파동계수의 L1 정규화를 적용해 스파스 복구 정확도를 기존 블록·저차원 방법보다 15%~20% 향상시켰으며, (ii) 인간 뇌 구조 연결망에서 전두엽·후두엽 사이의 미세한 연결 변화를 고해상도 파동계수로 성공적으로 식별했다. 또한 인도 카르나타카 주의 마을 네트워크에서는 지리적 거리와 일치하는 중간 해상도 파동계수가 지역 사회 구조를 설명함을 확인했다. 전체적으로 WL‑ERGs는 다중해상도 구조를 명시적으로 모델링하면서도 기존 교환가능 그래프온 이론과 완벽히 호환되는 장점을 제공한다.