해양 집단 행동 시뮬레이션 파이썬 라이브러리 dewi kadita

초록

dewi‑kadita는 3차원 Couzin 구역 기반 모델을 구현한 오픈소스 파이썬 라이브러리이며, 물고기 군집의 조직 특성을 7가지 정보 이론적 엔트로피 지표와 이를 통합한 Oceanic Schooling Index(OSI)로 정량화한다. Numba JIT 가속을 통해 150250개의 에이전트를 10002000 타임스텝까지 5분 이내에 시뮬레이션할 수 있으며, NetCDF4 형식으로 출력해 해양 데이터와의 연동성을 확보한다. 논문은 스웜, 토러스, 동적 평행, 고도 평행 네 가지 전형적 상태에 대해 기존 정렬도(P)와 비교해 엔트로피 지표가 조직 메커니즘을 구분함을 보이며, 라이브러리의 재현성 및 확장성을 강조한다.

상세 분석

dewi‑kadita는 기존에 분산되어 있던 Couzin 모델 구현을 하나의 통합 프레임워크로 정리한 점이 가장 큰 강점이다. 모델 자체는 물고기 개체를 일정 속도 v₀를 유지하도록 제한하고, 반경 rᵣ, rₒ, rₐ 로 정의된 회피·정렬·끌어당김 구역을 계층적으로 적용한다. 특히 시야 제한을 각도 α 로 파라미터화해 후방 맹점을 구현함으로써 실제 어류 시각 구조를 반영한다. 이러한 구역 기반 상호작용은 최소 이미지 규칙을 이용한 주기적 경계 처리와 결합돼, 무한한 해양 환경을 제한된 계산 영역에 정확히 매핑한다.

엔트로피 기반 진단은 기존 정렬도 P와 회전도 M 같은 1차 모멘트 지표가 포착하지 못하는 미세 구조를 드러낸다. 논문에서 제시한 7가지 엔트로피는 다음과 같다. ① 학교 응집 엔트로피는 최근접 이웃 거리 분포의 Shannon 엔트로피로 군집 밀집 정도를 측정한다. ② 정렬 엔트로피는 속도 방향의 각도 분포를 이용해 전체 정렬 정도의 불확실성을 정량화한다. ③ 깊이 층화 엔트로피는 수직 위치 분포의 균일성을 평가해 수심에 따른 층화 현상을 포착한다. ④ 각운동량 엔트로피는 회전(밀링) 행동의 각운동량 분포를 기반으로 토러스 상태를 구분한다. ⑤ 최근접 이웃 엔트로피는 개체 간 거리의 국부적 변동성을 측정해 군집 내부 구조의 복잡성을 드러낸다. ⑥ 속도 상관 엔트로피는 쌍별 정렬 각도 분포를 통해 장거리 정렬 연관성을 파악한다. ⑦ 학교 형태 엔트로피는 위치 공분산 행렬의 주성분 분석 결과를 확률 분포화해 군집 형태(구형, 타원형 등)의 다양성을 정량한다.

이들 엔트로피를 가중 평균해 만든 OSI는 0 ~ 1 사이의 스칼라 값으로, 값이 낮을수록 고도로 조직된 상태, 높을수록 무질서한 스웜 상태를 의미한다. 검증 실험에서는 스웜 상태에서 P < 0.1, OSI ≈ 0.71을, 고도 평행 상태에서 P = 0.998, OSI = 0.24를 기록했으며, 특히 토러스와 동적 평행 상태는 P와 M 값이 유사함에도 엔트로피 프로파일이 서로 다른 패턴을 보여 구분 가능함을 입증했다.

성능 측면에서는 Numba JIT를 이용해 O(N²) 복잡도의 쌍별 거리·시야 계산을 10100배 가속했으며, 150250개의 에이전트를 1000~2000 타임스텝까지 5분 이내에 실행할 수 있다. 출력은 CF‑compliant NetCDF4 포맷으로 저장돼 기존 해양학 분석 파이프라인(예: xarray, nco)과 바로 연동 가능하며, FAIR 원칙을 만족한다.

한계점으로는 현재 3차원 주기적 경계만 지원하고, 물리적 유체 흐름이나 외부 환경 요인(조류, 온도 구배 등)은 모델에 포함되지 않았다. 또한 엔트로피 가중치와 OSI 합성 방식이 임의적이므로, 다양한 생태학적 상황에 맞게 재조정이 필요하다. 향후 연구에서는 유체-입자 상호작용을 Couzin 모델에 결합하고, 베이지안 최적화를 통한 파라미터 추정, 실험 데이터와의 직접 비교를 통한 검증을 확대할 여지가 있다.

전반적으로 dewi‑kadita는 활발히 성장하고 있는 집단 행동 시뮬레이션 분야에 표준화된 코드베이스와 풍부한 진단 도구를 제공함으로써, 이론적 모델링, 로봇 군집 제어, 그리고 관측 데이터 해석을 연결하는 중요한 교량 역할을 수행한다.