복잡한 혈관망을 위한 역가우시안 혼합 모델 MIGHT

초록

**
본 논문은 심혈관계 혈관망에서 분자통신 신호의 전파를 설명하기 위해, 역가우시안 분포들의 가중합으로 구성된 폐쇄형 모델 MIGHT를 제안한다. 이 모델은 단일입출력(SISO)부터 다중입출력(MIMO)까지 다양한 네트워크 토폴로지를 정확히 예측하며, 기존의 컨볼루션 기반 모델과 3‑D 유한요소 시뮬레이션과 비교해 높은 정확도를 보인다. 또한, 모델을 활용한 네트워크 축소, 중요 혈관 부위 평가, 대표 SISO 네트워크 추정 방법을 제시한다.

**

상세 분석

**
MIGHT 모델은 혈관망을 1‑차원 파이프와 0‑차원 분기·접합으로 구성된 유향 다중그래프로 추상화한 뒤, 각 파이프 구간에서의 전단시간(first‑passage time, FPT)이 역가우시안(Inverse Gaussian, IG) 분포를 따른다는 물리적 사실을 기반으로 한다. 논문에서는 파이프 길이·반경·혈류 속도·분자 확산계수 등 물리적 파라미터를 IG 분포의 평균·분산에 매핑하는 식을 유도하고, 복수의 경로가 존재하는 경우 각 경로별 IG 분포에 가중치를 부여해 전체 수신 플럭스를 가중합 형태로 표현한다. 이때 가중치는 경로별 흐름 분할 비율과 분자 손실(예: 흡착·분해)을 고려해 계산된다.

핵심적인 수학적 기여는 (1) 무한 차원의 컨볼루션 연산을 피하고, 경로 수와 파이프 수에 비례하는 유한한 파라미터 집합만으로 폐쇄형 해를 얻은 점, (2) MIMO 상황—여러 송신기와 수신기가 네트워크 내 임의 위치에 배치될 때—에서도 동일한 IG 혼합 형태를 유지하도록 일반화한 점이다. 특히, 다중입출력 네트워크에서 각 송신‑수신 쌍마다 독립적인 경로 집합을 정의하고, 이들 경로의 IG 혼합을 선형 합산함으로써 전체 수신 신호를 손쉽게 계산한다.

모델 검증에서는 기존의 컨볼루션 기반 모델