시간적 모티프와 두 배 시간의 급격한 임계값

초록

본 논문은 두 가지 무작위 시간 그래프 모델(연속형과 이산형)을 정의하고, δ‑시간 모티프의 존재 임계값을 정확히 규명한다. 정점 수 n에 대해 모티프가 존재하려면 δ가 n^{1‑ρ_H}보다 크게, 존재하지 않으려면 그보다 작아야 함을 보인다. 여기서 ρ_H는 그래프 H의 희소성(정점 수 대비 가장 조밀한 부분그래프의 밀도)이다. 또한 최대 δ‑시간 클리크의 크기와, 라벨 수가 일정한 경우 도달 가능성 볼의 최대 두 배 시간에 대한 상하한을 제공한다.

상세 분석

논문은 먼저 기존의 랜덤 단순 시간 그래프 모델을 일반화하여 두 가지 무작위 시간 그래프 모델을 제시한다. 연속형 모델에서는 각 간선에 라벨 개수 l_e를 동일한 이산 분포 ψ에서 독립적으로 샘플링하고, 각 라벨을 (0,1] 구간에서 균등하게 뽑는다. 이산형 모델은 연속형 모델을 T‑이산화한 형태로, 라벨을 {1,…,T}에서 균등하게 선택한다. 이러한 설정은 시간 라벨의 연속성 혹은 이산성을 모두 포괄하면서도 라벨 개수의 변동성을 ψ로 제어한다는 점에서 유연하다.

핵심 개념인 δ‑시간 모티프는 정적 그래프 H와 그 간선에 대한 부분 순서 P의 쌍으로 정의된다. 시간 그래프 G가 (H,P)를 δ‑시간 모티프로 포함한다는 것은, H의 구조를 보존하는 서브그래프 I와 정점 매핑 Φ가 존재하고, I의 모든 라벨이 P가 요구하는 순서를 만족하면서 전체 라벨 차이가 δ 이하라는 의미이다. 여기서 중요한 것은 라벨 순서와 지속 시간 두 가지 제약을 동시에 고려한다는 점이다.

주요 정리(정리 10, 11)는 모든 고정된 (H,P)에 대해 존재 임계값을 ‘희소성’ ρ_H에 의해 결정한다는 것을 보여준다. 구체적으로 연속형 모델에서 δ(n)=ω(n^{‑ρ_H})이면 고확률로 모티프가 존재하고, δ(n)=o(n^{‑ρ_H})이면 존재하지 않는다. 이는 전통적인 Erdős–Rényi 그래프에서 가장 조밀한 부분그래프의 밀도(=|E_H|/|V_H|)에 의해 임계값이 정해지는 것과는 근본적으로 다르다. 희소성 ρ_H는 |V_H|·|E_H|^{‑1}−1 형태로, 정점 대비 간선 비율을 반영한다. 따라서 같은 정점 수를 갖는 사이클이라도 길이에 따라 서로 다른 임계값을 가지게 된다(코롤라리 12).

다음으로 최대 δ‑시간 클리크의 크기를 분석한다(정리 13). 라벨 평균 r와 라벨이 0이 아닌 확률 q를 이용해, w_δ(G)라는 최대 클리크 크기가 2·log n·log(δ r²−δ r+r δ r²)와 (1+ε)·2·log n·log(δ r+(1−δ) q δ q r) 사이에 고확률로 존재함을 보인다. 이는 라벨 수가 증가함에 따라 클리크 크기가 Erdős–Rényi 그래프의 클리크 수와 유사하게 성장하지만, 라벨 분포 파라미터가 미세하게 영향을 미친다.

마지막으로 라벨 개수가 일정한 경우(퇴화 분포 ψ)에는 도달 가능성 볼의 최대 두 배 시간에 대한 상하한을 제시한다(정리 14). Double(G)는 (2±α)·log n·r n 범위에 머무르며, 이는 RSTG 모델에서 소스·싱크 정점 존재와 동일한 임계값과 일치한다. 이러한 결과는 시간 그래프의 확장성을 측정하는 새로운 지표로서 두 배 시간을 활용할 수 있음을 시사한다. 전체적으로 논문은 시간 라벨의 연속·이산성을 모두 포괄하는 무작위 모델을 제시하고, 모티프 존재, 클리크 성장, 그리고 확장성(두 배 시간) 측면에서 정밀한 임계값을 도출함으로써 정적 무작위 그래프 이론을 시간 그래프 영역에 성공적으로 확장하였다.