대규모 무작위 그래프에서 감염 연령 의존 전염성을 갖는 이질적 SIR 모델

초록

본 논문은 개체별 특성 및 연결 구조가 이질적인 대규모 무작위 그래프 위에서 감염 연령에 따라 전염성이 변하는 SIR 전염병 모델을 제시한다. 측정값 과정(measure‑valued process)을 이용해 감염 연령과 개체 특성을 동시에 추적하고, 인구 규모가 무한대로 갈 때 그래프온(graphon)으로 수렴하는 스케일링을 적용한다. 그 결과, 한계에서는 그래프온 위의 편미분 방정식(PDE) 형태의 측정값 방정식 체계가 도출되며, 이는 이질성 및 비마코프성(감염 지속시간·전염성 함수의 일반성)을 모두 포함한다.

상세 분석

이 연구는 기존 SIR 모델이 갖는 두 가지 한계를 동시에 극복한다. 첫째, 개체의 공간적 위치, 연령, 사회적 행동 등 연속적인 특성값을 허용함으로써 i.i.d. 가정에서 벗어나 비동질적인 특성 분포를 모델링한다. 이러한 특성은 그래프의 각 정점에 할당되며, 연결 확률은 두 정점의 특성 쌍에 대한 일반적인 함수 형태로 정의된다(그래프온으로 수렴). 둘째, 감염 전염성(전염력)을 감염 연령 함수 λ_i(a) 로서 무작위적으로 부여하고, 이 함수가 개체 특성 및 추가적인 독립 요인 Y_i 에 의존하도록 설계한다. 따라서 감염 지속시간도 개체마다 달라지는 비마코프적 구조를 갖는다.

수학적으로는 감염 연령을 포함한 측정값 과정 μ^S_t, μ^I_t, μ^R_t 를 정의한다. μ^I_t 은 (특성, 감염 연령) 공간 위의 측정값이며, μ^S_t, μ^R_t 는 특성만을 포함한다. 이 과정들은 점프형 마코프 과정으로 기술되지만, 전염력은 전체 μ^I_t 에 대한 선형 연산(그래프온 커널 W(x,x′)와 λ_i(a)의 적분)으로 표현된다. 논문은 인구 규모 N→∞ 일 때, 연결 그래프를 W‑scaled dense graph 로 스케일링하고, 독립적인 Y_i 와 λ_i 를 적절히 정규화함으로써 강한 법칙(Functional Law of Large Numbers, FLLN)을 증명한다. 핵심은 “중간 과정(intermediate process)”를 도입해 실제 그래프 기반 전염률을 한계 모델이 제공하는 평균 전염률로 대체함으로써, 복잡한 의존성을 분리하고 전파 혼돈(propogation of chaos) 원리를 적용한다.

한계 시스템은 측정값 방정식
∂_t μ^S_t(dx) = - μ^S_t(dx) ∫_X∫_0^∞ λ(x′,a) W(x,x′) μ^I_t(dx′,da)
∂_t μ^I_t(dx,da) + ∂_a μ^I_t(dx,da) = μ^S_t(dx) λ(x,a) ∫_X∫_0^∞ λ(x′,a′) W(x,x′) μ^I_t(dx′,da′)
μ^I_t(dx,0) = 위 식의 오른쪽 항,
∂_t μ^R_t(dx) = μ^I_t(dx,·) (감염 종료 시점)
와 같이 표현된다. 여기서 W는 그래프온 커널, λ는 감염 연령에 따른 전염성 함수이다. 첫 번째 방정식은 특성별 감수성 감소를, 두 번째 방정식은 감염 연령 흐름과 새로운 감염 발생을, 세 번째 방정식은 회복 흐름을 기술한다. 이 시스템은 선형이지만 경계조건이 비선형(μ^S와 전염력의 곱)이다.

수학적 기법으로는 약한 수렴(weak convergence)과 레비-프로코로프 거리, Skorokhod 공간 D(R_+,M(X)) 위의 연속성, 그리고 독립적인 무작위 요인에 대한 일반적인 수렴 정리를 증명하기 위해 부록 A에서 새로운 수렴 보조정리를 제시한다. 또한, 평균 전염률과 분산 조건을 최적에 가깝게 설정해, 그래프가 충분히 dense하면서도 완전한 dense(∝n^2) 가 아니어도 그래프온 한계가 유지되도록 한다.

결과적으로, 이 모델은 실제 데이터에서 관찰되는 연령·공간·사회적 이질성을 동시에 반영하면서, 감염 연령에 따른 전염성 변화를 포함한다. 따라서 백신 전략, 사회적 거리두기 정책 등 복합적인 개입 효과를 정량화하는 데 유용한 수학적 프레임워크를 제공한다.