스펙트럴 지속성: 그래프 표현의 새로운 차원

초록

본 논문은 그래프의 위상 정보를 담은 지속성 동형사상에 라플라시안 스펙트럼을 결합한 새로운 디스크립터 SpectRe를 제안한다. SpectRe는 기존 PH와 RePHINE, 그리고 순수 라플라시안 스펙트럼보다 엄격히 표현력이 뛰어나며, 전역적 안정성은 없지만 거의 모든 경우에 적용 가능한 지역적 안정성을 보인다. 이론적 분석과 합성·실제 데이터 실험을 통해 SpectRe가 그래프 분류 및 회귀 작업에서 성능 향상을 가져옴을 입증한다.

상세 분석

SpectRe는 기존 위상 기반 그래프 디스크립터인 Persistent Homology(PH)와 색상 기반 확장인 RePHINE의 한계를 보완하기 위해 설계되었다. 논문은 먼저 그래프 G=(V,E,c,X)를 정의하고, 정점·색상 필터링 함수 f_v, f_e를 통해 정점 및 간선 필터링을 생성한다. 이때 필터링 값은 색상의 실수값과 색상 쌍의 양수값으로 매핑된다. 기존 PH는 이러한 필터링에 따라 0‑차원(정점)과 1‑차원(사이클) 지속성 쌍(b,d)을 추출하지만, 색상 정보가 반영되지 않아 구조적 구분 능력이 제한된다. RePHINE은 각 정점에 (b,d,α,γ) 튜플을 부여해 색상과 인접 간선 가중치를 포함시키지만, 여전히 라플라시안 스펙트럼이 제공하는 비조화적(비‑harmonic) 정보를 놓친다.

SpectRe는 이러한 부족을 메우기 위해 각 정점·사이클이 사라지거나 생성되는 순간의 연결 성분에 대한 라플라시안 고유값 집합 ρ(v)·ρ(e)를 추가한다. 구체적으로 0‑차원 튜플은 (b(v), d(v), α(v), γ(v), ρ(v)) 형태이며, 1‑차원 튜플은 (1, d(e), 0, 0, ρ(e)) 형태이다. 여기서 ρ는 해당 연결 성분의 비영(非零) 고유값 리스트이며, 이는 그래프의 비조화적 구조를 정밀히 포착한다. 이 정의는 라플라시안 스펙트럼 자체를 별도 디스크립터(LS)로 투사할 수도 있게 한다.

표현력 측면에서 논문은 세 가지 주요 정리를 제시한다. 정리 3.1은 SpectRe가 그래프 동형성에 불변임을 보이며, 정리 3.3은 SpectRe가 RePHINE과 LS보다 엄격히 강력함을 증명한다. 구체적인 반례(그림 3)를 통해 RePHINE은 단색 그래프에서 연결 성분 수와 사이클 수만을 카운트하는 수준에 머물러 LS와 차별화되지 못함을 보이고, LS는 색상 정보를 전혀 활용하지 못해 RePHINE과 구분되지 않는다. 반면 SpectRe는 색상·위상·스펙트럼을 모두 결합해 두 디스크립터가 놓치는 미세 구조를 구분한다.

안정성 분석에서는 기존 PH가 보틀넥 거리 기반 전역적 안정성을 갖는 반면, RePHINE과 SpectRe는 색상·스펙트럼 정보를 포함함으로써 전통적인 거리 정의에 부합하지 않는다. 저자는 새로운 메트릭 d_RB와 d_SpecRB를 정의해 각각 RePHINE과 SpectRe의 안정성을 평가한다. 정리 4.3은 d_RB 하에서 RePHINE이 전역적으로 안정함을, 정리 4.4는 d_SpecRB 하에서 SpectRe가 거의 모든 필터링에 대해 지역적으로 안정함을 증명한다. 또한 정리 4.5는 불안정성이 발생할 수 있는 “불안정성 초점”을 그래프 복잡도와 연관 지어 상한을 제시한다. 이는 실용적인 학습 환경에서 SpectRe가 충분히 안정적임을 뒷받침한다.

실험에서는 13개의 합성 데이터셋과 여러 실제 그래프 데이터셋을 사용해 SpectRe 기반 피처를 GNN에 통합한 모델의 성능을 평가한다. 결과는 SpectRe가 RePHINE이나 순수 LS를 사용한 경우보다 높은 정확도와 F1 점수를 기록했으며, 특히 사이클 구조가 중요한 데이터셋에서 두드러진 개선을 보였다. 또한 Ablation 실험을 통해 스펙트럼 요소가 성능 향상에 크게 기여함을 확인했다. 코드와 데이터는 공개 저장소에 제공되어 재현성을 확보한다.

전체적으로 이 논문은 위상·색상·스펙트럼을 통합한 새로운 그래프 디스크립터를 제안하고, 이론적·실험적 측면에서 기존 방법들을 능가함을 입증한다. 이는 그래프 신경망의 표현력 한계를 넘어서는 중요한 진전으로, 향후 복합 구조를 갖는 네트워크 분석, 화학·생물 그래프 학습 등에 널리 활용될 전망이다.