Performance comparison of Python, MATLAB and R for numerical solutions of SI and SIR epidemiological models

본 논문은 전염병 모델링에 널리 사용되는 SI 및 SIR 모델의 수치 해법 (오일러, RK4, 예측 - 수정법) 을 Python, MATLAB, R 에서 구현하여 실행 시간과 정확도를 비교 분석함으로써 연구자들이 적합한 도구를 선택할 수 있는 실용적인 지침을 제공합니다.

핵심

🏁 경기 개요: 전염병 예측 레이스

상상해 보세요. 전염병이 퍼지는 상황을 예측하는 것은 **복잡한 미로 (전염병 모델)**를 빠져나가는 것과 같습니다. 이 미로를 빠져나가는 데 사용하는 **세 가지 도구 (알고리즘)**가 있습니다.

1. 오일러 방법 (Euler's Method): 가장 기본적이고 단순한 도구입니다. "다음 발걸음은 대충 이렇게 가자"라고 직관적으로 계산합니다. 빠르지만 정확도는 떨어질 수 있습니다.
2. RK4 방법: 아주 정교하고 복잡한 도구입니다. "다음 발걸음을 하기 전에 주변을 4 번이나 꼼꼼히 살피고 가자"라고 계산합니다. 정확도는 매우 높지만, 계산하는 데 시간이 좀 더 걸립니다.
3. 예측 - 수정 (P-C) 방법: 먼저 대충 예측을 하고, 그 결과를 다시 한번 점검해서 수정하는 도구입니다. 오일러와 RK4 의 중간쯤 되는 성격을 가집니다.

이 세 가지 도구를 가지고 **세 가지 다른 운전사 (소프트웨어)**가 경기를 치릅니다.

• 파이썬 (Python): 최신형 고성능 스포츠카.
• MATLAB: 튼튼하고 신뢰할 수 있는 고급 세단.
• R: 통계에 특화된 무거운 트럭.

---

📊 경기 내용: 두 가지 미로 (모델)

연구진은 두 가지 다른 미로 (전염병 모델) 를 통과시켰습니다.

1. SI 모델 (간단한 미로): 감염되면 회복되지 않는 경우입니다. 이 미로는 **정답 (해석적 해)**을 미리 알고 있습니다. 따라서 각 운전사가 정답에 얼마나 가까운지 (정확도) 를 바로 알 수 있습니다.
2. SIR 모델 (복잡한 미로): 감염 후 회복되는 경우입니다. 이 미로는 정답을 미리 알 수 없습니다. 그래서 가장 정교한 도구 (MATLAB 의 ODE45 라는 특수한 내비게이션) 가 낸 결과를 '참고 정답'으로 삼고, 다른 도구들이 그 정답에 얼마나 가까운지 비교했습니다.

---

🏆 경기 결과: 누가 이겼을까?

1. 정확도 (정답에 얼마나 가까운가?)

• 승자: RK4 방법이 모든 프로그램에서 압도적으로 정답에 가까웠습니다. 마치 정밀한 나침반을 든 것과 같습니다.
• 준우승: P-C 방법도 매우 훌륭했습니다.
• 하위: 오일러 방법은 발걸음이 커서 (단계가 크면) 정답에서 조금씩 벗어났습니다.
• 흥미로운 점: 어떤 프로그램 (파이썬, MATLAB, R) 을 쓰든, 같은 도구를 쓰면 정확도는 거의 똑같았습니다. 즉, "어떤 차를 타느냐"보다 "어떤 도구를 쓰느냐"가 정확도에 더 중요했습니다.

2. 속도 (얼마나 빨리 끝냈는가?)

이 부분이 이 연구의 핵심입니다. 정답을 얼마나 빨리 찾았는지를 비교했습니다.

• 🥇 1 위: 파이썬 (Python)
  • 비유: 가볍고 빠른 스포츠카.
  • 모든 프로그램 중 가장 빨랐습니다. 특히 미로가 복잡해지고 단계 (단계 크기) 가 작아질수록 그 차이는 더 커졌습니다. 계산 속도가 압도적이었습니다.
• 🥈 2 위: MATLAB
  • 비유: 안정적인 고급 세단.
  • 파이썬보다는 느렸지만, R 보다는 훨씬 빨랐습니다. 전문적인 공학 분야에서 많이 쓰이는 만큼 나쁘지 않은 성능을 보였습니다.
• 🥉 3 위: R
  • 비유: 무거운 통계 트럭.
  • 세 가지 중 가장 느렸습니다. 복잡한 계산을 할 때 다른 두 프로그램에 비해 시간이 더 걸렸습니다.

---

💡 결론: 연구진이 전하는 메시지

이 연구는 **"전염병 모델을 계산할 때 파이썬이 가장 효율적인 선택"**이라는 결론을 내립니다.

• 정확도: 세 프로그램 모두 똑같이 잘 계산합니다. (도구만 잘 고르면 됩니다.)
• 속도: 파이썬이 압도적으로 빠릅니다.
• 추천: 연구자나 의사결정자가 전염병 확산을 예측할 때, 정확함과 빠른 속도를 모두 원한다면 파이썬을 사용하는 것이 가장 현명한 선택이라는 것입니다.

한 줄 요약:

"전염병 예측이라는 긴 여행을 할 때, **정교한 나침반 (RK4)**을 들고 **가장 빠른 스포츠카 (파이썬)**를 타는 것이 가장 현명합니다!"

기술 요약

논문 요약: SI 및 SIR 전염병 모델의 수치 해법을 위한 Python, MATLAB, R 성능 비교

1. 연구 배경 및 문제 제기 (Problem)

• 배경: 수학적 모델링, 특히 Kermack-McKendrick 에 의해 개발된 구획 모델 (Compartmental Models) 은 전염병의 확산과 통제를 이해하는 데 필수적입니다. 그중 SI(감수성 - 감염) 및 SIR(감수성 - 감염 - 회복) 모델이 가장 기본적입니다.
• 문제: 단순한 경우를 제외하고 대부분의 실제 전염병 모델은 해석적 해 (Analytical Solution) 를 구할 수 없어 오일러 방법 (Euler's method), 4 차 룬게 - 쿠타 방법 (RK4), 예측 - 수정자 (Predictor-Corrector, P-C) 방법과 같은 수치적 방법이 필요합니다.
• 연구 공백: Python, MATLAB, R 과 같은 과학 계산 소프트웨어는 널리 사용되지만, 전염병 모델의 수치 해법을 풀 때 이 세 가지 도구의 계산 효율성 (실행 시간) 과 정확도를 종합적으로 비교한 연구는 부족했습니다. 기존 연구들은 특정 소프트웨어나 특정 방법만 다루었거나 실행 시간을 보고하지 않았습니다.

2. 연구 방법론 (Methodology)

• 대상 모델:
  • SI 모델: 해석적 해가 존재하는 미분 방정식 시스템.
  • SIR 모델: 해석적 해가 없는 미분 방정식 시스템.
  • 데이터: Murray (2002) 및 Communicable Disease Surveillance Centre (1978) 에서 제공된 전염병 데이터 (감수성 762 명, 감염 1 명, 회복 0 명 등) 를 기반으로 시뮬레이션 수행.
• 수치 해법:
  • 오일러 방법 (1 차), 4 차 룬게 - 쿠타 (RK4) 방법, 예측 - 수정자 (P-C) 방법.
  • 각 방법을 Python, MATLAB, R 에서 구현.
• 평가 지표:
  • 정확도:
    • SI 모델: 수치 해와 해석적 해 간의 오차를 측정하기 위해 $R^2$ (결정 계수) 사용.
    • SIR 모델: MATLAB 의 ODE45 솔버로 구한 고정밀 해를 기준 (Reference) 으로 하여, MATLAB 에서 구현한 RK4 해의 정확도를 $R^2$로 평가.
  • 성능: 순수 계산 시간 (실행 시간) 측정. 파라미터 정의, 초기화, 그래프 그리기 등은 제외하고 알고리즘 실행 시간만 기록.
• 실험 환경: Apple M4 칩 탑재 MacBook Air, 16GB RAM.

3. 주요 결과 (Key Results)

가. SI 모델 (해석적 해 존재) 결과:

• 정확도 ($R^2$):
  • RK4 방법: 모든 소프트웨어 (Python, MATLAB, R) 에서 단계 크기 ($h$) 와 관계없이 거의 완벽한 정확도 ($R^2 \approx 1.0$) 를 보임.
  • P-C 방법: RK4 와 매우 유사한 높은 정확도를 보임.
  • 오일러 방법: 단계 크기가 클수록 정확도가 낮아짐 (예: $h=0.25$일 때 $R^2 \approx 0.958$).
  • 소프트웨어 간 차이: 정확도 측면에서 세 소프트웨어 간에는 유의미한 차이가 없었음 (동일한 알고리즘 구현 시).
• 실행 시간 (Run-time):
  • Python: 모든 경우에서 가장 빠른 실행 시간을 기록. 특히 단계 크기가 작아질수록 (계산량이 늘어날 때) MATLAB 과 R 대비 압도적인 속도 우위를 보임.
  • MATLAB: 중간 수준의 성능.
  • R: 세 가지 중 가장 느린 실행 시간을 보임.

나. SIR 모델 (해석적 해 부재) 결과:

• 정확도: MATLAB 의 ODE45 기준 해와 비교한 RK4 방법의 $R^2$ 값은 $0.999999$ 이상으로 매우 높음. 이는 RK4 가 SIR 모델에 대한 신뢰할 수 있는 수치 근사치를 제공함을 의미.
• 실행 시간: SI 모델과 동일한 경향성 유지.
  • Python이 가장 효율적.
  • R이 가장 비효율적.
  • 복잡한 알고리즘 (RK4, P-C) 이 단순한 오일러 방법보다 계산 시간이 더 소요됨.

4. 주요 기여 (Key Contributions)

1. 포괄적 비교: 기존 연구에서 누락되었던 SI 및 SIR 모델을 대상으로, 3 가지 주요 수치 해법 (Euler, RK4, P-C) 을 3 가지 주요 프로그래밍 언어 (Python, MATLAB, R) 에서 동시에 비교 분석한 최초의 연구 중 하나.
2. 정량적 데이터 제공: 정확도 ($R^2$) 와 실행 시간을 구체적인 수치로 제시하여, 연구자들이 도구 선택 시 객관적인 기준을 마련하도록 함.
3. 실무 지침 제시: 전염병 모델링 연구자들이 자신의 필요 (정확도 vs 속도) 에 따라 적절한 계산 도구를 선택할 수 있는 실용적인 가이드라인을 제공.

5. 결론 및 의의 (Significance)

• Python 의 우위: 정확도와 속도 (특히 고해상도/정밀도 요구 시) 의 균형 측면에서 Python 이 가장 우수한 도구로 평가됨. 대규모 시뮬레이션이나 실시간 분석이 필요한 경우 Python 이 가장 적합함.
• R 의 한계: 통계 분석에 강점이 있지만, 순수 수치 계산 (Numerical Computation) 의 실행 속도 측면에서는 MATLAB 과 Python 보다 뒤처지는 것으로 확인됨.
• 알고리즘 선택: 고차 정확도가 필요할 경우 RK4 또는 P-C 방법을, 계산 속도가 최우선이고 단순한 추정이 필요할 경우 오일러 방법을 선택하는 것이 바람직함.
• 연구적 의의: 이 연구는 전염병 모델링 분야에서 계산 도구의 선택이 모델의 효율성과 결과의 신뢰성에 직접적인 영향을 미친다는 점을 강조하며, 향후 연구 설계에 중요한 시사점을 줌.

---

요약: 본 논문은 전염병 모델 (SI/SIR) 을 수치적으로 해결할 때 Python, MATLAB, R 의 성능을 정량적으로 비교했습니다. 그 결과, Python 이 계산 속도 면에서 압도적으로 우수하며, RK4 방법이 가장 높은 정확도를 제공함을 입증했습니다. 이는 연구자들이 모델링 작업 시 Python 을 우선적으로 고려하고, 필요한 정확도에 따라 적절한 수치 해법을 선택할 수 있도록 하는 중요한 지침이 됩니다.