미분가능 역학 에이전트 기반 시뮬레이터 DEpiABS

초록

DEpiABS는 개인 수준의 건강·행동·자원 제약을 정밀히 모델링하면서, 완전 미분가능한 구조를 통해 빠른 시뮬레이션과 그래디언트 기반 파라미터 추정을 가능하게 하는 차세대 에이전트 기반 전염병 시뮬레이터이다. z‑score 스케일링 기법으로 작은 샘플을 실제 인구 규모에 매핑해 계산 비용을 크게 낮추면서도 예측 정확도를 향상시킨다.

상세 분석

본 논문은 기존 전염병 모델이 직면한 “정밀도‑효율성‑해석가능성” 삼중 딜레마를 구조 중심의 차별화된 설계 원칙으로 해결하고자 한다. 첫째, 사회(Society) 모듈은 일·주·월 단위의 시간 구분, 사무실·시장·병원이라는 세 가지 시설 유형, 그리고 월급·지출·결근·소득 감소와 같은 간단한 경제 메커니즘을 도입해 에이전트가 감염 회피와 소득 유지 사이에서 선택하도록 만든다. 이는 실제 노동시장 압력과 ‘프레젠티즘’ 현상을 정량화하는 데 기여한다. 둘째, 역학(Epidemic) 모듈은 전통적인 SEIR을 확장해 SAID(감수성·무증상·증상·사망) 모델을 채택한다. 감수성은 부분 면역을 반영해 감염에 필요한 전파 횟수를 가중하고, 무증상(A) 단계는 무증상 전파를 명시적으로 포함한다. 감염 후 잠복기와 증상기의 길이는 로그 정규·정규 분포를 기반으로 연령별 평균·분산을 적용해 에이전트마다 독립적으로 샘플링한다. 중증도는 연령에 따라 평균이 상승하는 정규분포로 모델링하고, 중증도가 6을 초과하면 사망(D) 클래스로 전이한다. 또한 병원체 변이를 고려해 감염 역치를 동적으로 조정한다. 셋째, 미분가능성은 모든 전이 확률과 경제·행동 규칙을 텐서 연산으로 구현함으로써 자동 미분 엔진에 그대로 전달한다. 이로써 파라미터 공간을 그래디언트 기반 최적화(예: Adam)로 탐색할 수 있어 전통적인 메타휴리스틱보다 수십 배 빠른 캘리브레이션이 가능하다. 네번째, 제안된 z‑score 기반 스케일링은 작은 인구(예: 10 k) 시뮬레이션 결과를 표준화한 뒤 목표 인구 규모에 맞는 역표준화를 수행한다. 평균·분산을 보존하므로 희귀 사건(중증·사망 등)의 발생 빈도도 정확히 재현한다. 실험에서는 1 M 규모 시뮬레이션을 20 k 샘플로 대체해도 1 % 이하의 통계적 차이만 보였다. 마지막으로, 10개 지역(코로나·인플루엔자) 데이터에 대한 민감도 분석과 캘리브레이션 결과, 기존 최첨단 모델 대비 평균 정규편차(Normal Deviation)를 코로나 사망 예측에서 0.97→0.92, 인플루엔자 예측에서 0.41→0.32로 개선하였다. 특히 보조 데이터(모빌리티, 정책 인덱스 등)를 전혀 사용하지 않았음에도 불구하고 데이터 효율성이 뛰어나다는 점이 주목할 만하다. 전체적으로 DEpiABS는 복잡한 사회·경제·생물학적 상호작용을 투명하게 구현하면서도 GPU 가속과 미분가능성을 통해 실시간 정책 시뮬레이션에 적합한 도구로 자리매김한다.