방향성과 이질성이 초그래프 퍼콜레이션 임계현상을 재구성한다

초록

**
본 논문은 방향성을 가진 하이퍼엣지와 노드별 이질성을 고려한 퍼콜레이션 모델을 제시한다. 메시지‑패싱과 통계역학적 접근을 통해, 앵커 노드(필수 구성요소)의 존재가 퍼콜레이션 임계점과 임계 지수를 어떻게 변형시키는지 분석한다. 특히, 무작위 및 중첩된 헤비테일 토폴로지에서 노드와 하이퍼엣지 퍼콜레이션이 서로 다른 임계 지수를 갖는 ‘이상 임계 현상’이 나타남을 보이며, 실제 대사 네트워크에 적용해 이론을 검증한다.

**

상세 분석

**
이 연구는 기존의 무방향 하이퍼그래프 퍼콜레이션 이론을 넘어, 방향성(directed)과 노드 이질성(node heterogeneity)을 동시에 고려한 새로운 프레임워크를 구축한다. 핵심 아이디어는 하이퍼엣지를 입력 노드 집합과 출력 노드 집합으로 구분하는 ‘입·출’ 구조를 도입하고, 각 하이퍼엣지 내에서 일부 노드를 ‘앵커(anchor)’로 지정함으로써 해당 노드가 손실될 경우 전체 하이퍼엣지가 비활성화되는 비대칭적 기능 의존성을 모델링한다. 이러한 설계는 대사 반응망에서 촉매나 필수 효소가 결손될 경우 반응 자체가 중단되는 현상을 자연스럽게 재현한다.

수학적으로는 방향성 하이퍼그래프를 이분 팩터 그래프(bipartite factor graph)로 변환하고, 전방(forward)과 후방(backward) 두 종류의 메시지 전파 방정식을 도출한다. 전방 메시지는 입력→출력 흐름을 따라 HGOUT(giant out component)을 형성하고, 후방 메시지는 반대 방향으로 전파돼 HGIN(giant in component)을 만든다. 두 흐름이 동시에 만족될 때만 HGSCC(giant strongly connected component)가 존재한다는 점이 핵심이다.

앵커 노드의 존재 확률 θ는 노드 생존 확률 p_N과 결합해 효과적인 생존 확률 π_N = 1−θ+θp_N을 만든다. 이 식은 앵커가 아닌 일반 노드와 앵커가 살아남은 경우를 모두 포괄한다. 퍼콜레이션 임계조건은 선형 안정성 분석을 통해 ˆΛ>1인 경우로 정의되며, ˆΛ는 p_N·⟨q_in q_out⟩·⟨q_out⟩·⟨p