Self-consistent autocorrelation of a disordered Kuramoto model in the asynchronous state

물리학과 생물학의 광활한 풍경 속에는 질서와 혼돈 사이의 끊임없는 투쟁이 존재합니다. 방 안에 가득 찬 메트로놈, 귀뚜라미 숲, 또는 인간의 뇌 속에서 발화하는 수십억 개의 뉴런을 상상해 보십시오. 이 각각의 단위들은 저마다의 고유한 리듬을 가지고 있으며, 자신만의 속도로 째깍거립니다. 이 단위들이 서로 연결되면, 때때로 발맞추어 움직이며 강력하고 통일된 비트를 만들어낼 수 있습니다. 동기화(synchronization)라고 알려진 이 현상은 반딧불이가 일제히 빛을 내거나 심장 세포가 함께 박동하는 방식을 설명해주기 때문에 수십 년 동안 연구되어 왔습니다. 그러나 그 반대의 상태 역시 매우 흔하며 그만큼 중요합니다. 바로 비동기 상태(asynchronous state)입니다. 이 조건에서 단위들은 같은 북소리에 맞춰 행진하지 않습니다. 그들은 독립적으로 움직이며, 단일하고 큰 신호 대신 복잡하고 변동성이 큰 배경 소음을 만들어냅니다. 건강한 뇌와 같은 많은 생물학적 시스템에서, 이러한 완벽한 동기화의 결여는 사실 기본값이자 정상적인 기능을 위해 필수적인 상태입니다. 이 독립적인 단위들이 정확히 어떻게 행동하는지, 그리고 무질서한 네트워크의 영향을 받을 때 개별적인 리듬이 어떤 모습을 보이는지를 이해하는 것은 과학자들에게 어려운 난제로 남아 있었습니다.

베를린과 파리에 기반을 둔 연구팀은 쿠라모토 모델(Kuramoto model)이라 불리는 유명한 수학적 모델에 집중함으로써 이 난제를 해결하는 데 중요한 진전을 이루었습니다. 이 모델은 결합된 진동자들이 어떻게 상호작용하는지를 설명하는 표준적인 도구이지만, 전통적으로는 모든 것이 하나로 묶이는 순간을 연구하는 데 사용되어 왔습니다. 연구진은 동전의 다른 면, 즉 시스템이 무질서한 상태인 비동기 상태를 살펴보고자 했습니다. 현실 세계에서 네트워크는 결코 완벽하지 않습니다. 단위들 사이의 연결 강도는 다양하며, 단위들의 고유한 리듬 또한 결코 완전히 동일하지 않습니다. 연구진은 이 두 가지 유형의 무질서, 즉 단위들이 연결되는 방식의 변화와 자연스러운 속도의 변화가 전체 시스템이 동기화되지 않았을 때 개별 단위의 행동에 어떤 영향을 미치는지 질문했습니다. 그들은 시스템 전체가 겉으로는 혼돈스러워 보일지라도, 각 개별 단위의 행동은 예측 가능한 패턴을 따르며 새로운 단순화된 방법으로 설명될 수 있다는 것을 발견했습니다.

이 문제를 해결하기 위해 연구진은 거대하고 복잡한 네트워크를 하나의 대표적인 단위로 효과적으로 축소하는 기술을 개발했습니다. 만 개의 진동자를 동시에 추적하는 대신(이는 계산 비용이 많이 들고 분석하기 어렵습니다), 그들은 '평균장(mean field)' 접근법을 만들었습니다. 이 방법은 전체 네트워크가 단일 진동자에 미치는 영향을 일종의 배경 소음으로 취급합니다. 그들은 이 소음이 단순히 무작위적인 것이 아니라, 진동자 자신의 행동에 따라 결정되는 고유한 구조와 통계적 특성을 가지고 있다는 점을 깨달았습니다. 이를 해결하기 위해 그들은 반복적인 과정을 사용했습니다. 먼저 이 배경 소음이 어떤 모습일지에 대한 가설을 세우고, 그 소음에 의해 구동되는 단일 진동자의 움직임을 시뮬레이션한 뒤, 결과로 나타나는 리듬을 측정했습니다. 그들은 이 시뮬레이션 결과를 사용하여 소음에 대한 가설을 업데이트했고, 이 과정을 반복했습니다. 결국 가설과 결과가 완벽하게 일치하게 되었으며, 이를 통해 시스템이 어떻게 작동하는지에 대한 자기 일관적인(self-consistent) 그림을 밝혀냈습니다. 이를 통해 연구진은 개별 단위와 전체 네트워크 모두에 대해 진동자가 다양한 주파수에서 얼마나 많은 에너지를 갖는지 보여주는 지도인 파워 스펙트럼(power spectrum)을 계산할 수 있었습니다.

연구진은 이 방법을 수천 개의 진동자에 대한 방정식을 동시에 푸는 전체 네트워크의 직접적인 컴퓨터 시뮬레이션과 대조하여 테스트했습니다. 결과는 놀라울 정도로 일치했습니다. 진동자 간의 연결이 무작위적이고 무질서한 네트워크를 살펴보았을 때, 개별 리듬이 훨씬 더 넓고 덜 날카로워진다는 것을 발견했습니다. 완벽하게 질서 정연한 네트워크에서 진동자는 매우 특정한 주파수로 웅웅거릴 수 있습니다. 하지만 연결이 무질서할 때, 그 단일 주파수는 넓게 퍼져 더 넓은 범위의 활동을 만들어냅니다. 이 연구는 이러한 확산이 연결의 무질서에 의해 직접적으로 발생한다는 것을 보여주었습니다. 더욱 놀랍게도, 대규모 네트워크에서는 시스템이 비동기 상태에 머물러 있는 한, 연결의 평균적인 강도가 거의 중요하지 않다는 것을 발견했습니다. 연결이 약간 양수이든 약간 음수이든, 소음의 전반적인 패턴과 개별 리듬은 동일하게 유지되었습니다. 이는 대규모의 무질서한 시스템에서는 연결의 평균적인 세부 사항보다 연결 자체의 엄청난 가변성이 더 중요하다는 것을 시사합니다.

하지만 이야기는 네트워크가 작아지면 달라집니다. 연구진이 단 8개의 진동자로 구성된 작은 네트워크에 이 방법을 적용했을 때, 연결의 평균 강도가 중요하다는 것을 발견했습니다. 이러한 작은 시스템에서는 연결 강도의 특정 값이 리듬의 형태를 크게 변화시켜, 대규모 네트워크에서는 나타나지 않았던 뚜렷한 피크(peak)를 만들어냈습니다. 이는 작은 시스템과 큰 시스템 사이의 결정적인 차이를 강조합니다. 군중 속에서는 연결의 개별적인 특성이 씻겨 내려가지만, 작은 집단에서는 모든 연결이 중요합니다. 연구진은 또한 그들의 방법이 자연스러운 속도만 변하는 고전적인 버전의 모델뿐만 아니라, 연결 자체가 무작위인 더 복잡한 버전에서도 작동함을 확인했습니다. 그들은 자신들의 접근 방식이 매번 거대한 전체 네트워크를 시뮬레이션할 필요 없이 시스템의 행동을 정확하게 예측할 수 있음을 입증했습니다.

이 연구의 함의는 추상적인 수학을 넘어섭니다. 무질서한 네트워크의 비동기 상태를 정확하게 묘사하는 능력은 뉴런이 항상 복잡하고 비동기적인 방식으로 발화하는 뇌와 같은 실제 세계의 시스템을 이해하는 데 필수적입니다. 이는 또한 전력망과 같이 안정적이면서도 지나치게 경직되지 않은 상태를 유지하는 것이 필수적인 기술 시스템에도 적용됩니다. 복잡하고 고차원적인 문제를 단순하고 자기 일관적인 방정식으로 축소할 수 있음을 보여줌으로써, 연구진은 과학자들에게 강력한 새로운 도구를 제공했습니다. 그들은 겉으로 보이는 무질서 속에서도 이해하고 예측할 수 있는 깊은 기저의 질서가 존재함을 보여주었습니다. 이 연구가 동기화의 모든 미스터리를 풀었다고 주장하는 것은 아니지만, 비동기 상태의 지형을 성공적으로 그려냈으며, 무질서가 군중 속 개인의 리듬을 어떻게 형성하는지를 밝혀냈습니다.