The Topological Stability Index: A Variance-Based Measure for Persistence Barcodes

본 논문은 확률적 변동에서의 구조적 변이를 포착하면서도 결정론적 경향에는 둔감하게 유지하여 엔트로피 기반 요약법을 보완하는 절대 수명 분산을 정량화하는 분산 기반의 스칼라 측정치인 위상적 안정성 지수 (TSI) 를 소개한다.

핵심

당신이 미스터리한 물체의 모양을 이해하기 위해 그 물체의 "지문"을 살펴보는 탐정이라고 상상해 보세요. 데이터 과학 세계에서 이 지문은 **지속 바코드 (persistence barcode)**라고 불립니다. 이는 선 (또는 "막대") 의 목록이며, 각 선의 길이는 데이터를 확대하거나 축소할 때 특정 특징 (예: 구멍이나 고리) 이 얼마나 오래 지속되는지를 알려줍니다.

오랫동안 과학자들은 이러한 바코드를 요약하기 위해 **지속 엔트로피 (Persistent Entropy)**라는 도구를 사용해 왔습니다. 지속 엔트로피를 재료를 섞은 비율만 중요하게 여기며 수프를 맛보는 요리사로 생각해 보세요. 소금 1 부와 물 99 부로 만든 수프가 있든, 소금 10 부와 물 990 부로 만든 수프가 있든 비율은 동일합니다. 요리사는 "이건 맛이 같다"고 말합니다.

하지만 수프의 크기가 중요할 때는 어떨까요? 한 냄비는 작은 컵이고 다른 냄비는 거대한 욕조라면 어떨까요? 비율은 같지만 경험은 완전히 다릅니다. 기존 도구들은 작고 균일한 수프와 거대하며 혼란스러운 수프 사이의 차이를 구별하지 못했습니다.

이 논문은 이를 해결하기 위해 **위상 안정성 지수 (Topological Stability Index, TSI)**라는 새로운 도구를 소개합니다.

새로운 도구: TSI 와 TSigI

저자들은 바코드를 설명하기 위해 두 부분으로 구성된 시스템을 제안합니다. 이는 사람들의 무리를 평균 키와 키의 다양성으로 설명하는 것과 같습니다.

1. 위상 신호 지수 (TSigI): "평균 키"

   • 정의: 이는 막대의 전형적인 크기를 측정합니다.
   • 비유: 사람들의 무리를 상상해 보세요. TSigI 는 그 무리의 평균 키를 알려줍니다. 모든 사람이 6 피트라면 평균은 6 입니다. 거인 한 명과 작은 사람들이 많다면 평균은 여전히 6 일 수 있지만, 이는 전체 이야기를 말해주지 않습니다. 이는 "신호 강도"나 특징의 일반적인 규모를 포착합니다.

2. 위상 안정성 지수 (TSI): "키의 분산"

   • 정의: 이는 막대 길이가 얼마나 퍼져 있는지를 측정합니다. 분산 (통계적 퍼짐) 을 계산합니다.
   • 비유: 다시 무리로 돌아가 봅시다.
     • 시나리오 A: 모든 사람이 정확히 6 피트입니다. "퍼짐"은 0 입니다. TSI 는 낮습니다.
     • 시나리오 B: 7 피트인 사람 한 명과 5 피트인 사람이 있습니다. 평균은 여전히 6 이지만, 그룹은 "지저분"하거나 "이질적"입니다. TSI 는 높습니다.
   • 중요성: TSI 는 절대적인 차이에 민감합니다. TSI 는 몇 개의 거대하고 지배적인 특징과 많은 작은 특징을 가진 바코드 (높은 TSI) 와 모든 특징이 대략 같은 크기를 가진 바코드 (낮은 TSI) 를 구별할 수 있습니다.

비밀 연결: "정규화"된 버전

저자들은 cvTSI라고 불리는 "정규화"된 버전도 만들었습니다.

• 비유: 작은 웅덩이의 "지저분함"과 거대한 바다의 "지저분함"을 비교하고 싶다고 상상해 보세요. 바다는 본질적으로 더 크기 때문에 파도의 원시적 퍼짐만 측정해서는 안 됩니다. 이를 정규화해야 합니다.
• 마법 같은 연결: 이 논문은 이 정규화된 지저분함 (cvTSI) 이 정보 이론의 개념인 **렌이 엔트로피 (Rényi Entropy)**와 수학적으로 연결되어 있음을 증명합니다.
  • 마치 같은 이야기를 다른 두 가지 언어로 설명하는 것과 같습니다. 한 언어 (엔트로피) 는 이야기를 압축하기 위해 로그를 사용하는 반면, 다른 언어 (cvTSI) 는 직선 (분산) 을 사용합니다. 둘 다 막대의 분포에 대해 같은 것을 말해주지만, 다른 세부 사항을 강조합니다. 이 논문은 두 가지 사이를 완벽하게 번역할 수 있음을 보여줍니다.

실험 결과

저자들은 기존 도구들과 비교하여 이러한 도구들이 어떻게 작동하는지 보기 위해 합성 데이터 (컴퓨터 생성 모양과 무작위 시계열 등) 로 실험을 수행했습니다.

1. 결정론적 대 무작위:

   • 데이터에 일정한 예측 가능한 추세 (예: 위로 올라가는 직선) 를 추가했을 때, 기존 도구 (엔트로피) 와 새로운 도구 (TSI) 는 크게 변하지 않았습니다. 이들은 지루하고 예측 가능한 패턴을 무시하는 데 탁월합니다.
   • 그러나 무작위 잡음 (라디오의 정전기나 카메라 흔들림과 같은) 을 추가했을 때, TSI 는 급격히 상승했습니다. 이는 "혼란"이나 무작위 변동을 감지하는 데 매우 뛰어납니다. 이는 "이봐, 특징들이 여기저기 흩어져 있어!"라고 알려줍니다.

2. "짧은 막대" 문제:

   • 이 논문은 한 가지 특이점을 인정합니다: 목록에 아주 작고 거의 보이지 않는 막대를 추가하면 TSI 가 변합니다. 거인들 방에 아주 짧은 사람 한 명을 추가하는 것과 같아서 방의 "분산"이 즉시 변합니다.
   • 기존 엔트로피 도구는 더 매끄럽고 작은 막대를 추가하는 것에 그렇게 민감하지 않습니다.
   • 교훈: TSI 는 큰 구조적 변화와 무작위 잡음을 파악하는 데 훌륭하지만, 데이터에 많은 작은 잡음 특징이 있다면 다소 "불안정"할 수 있습니다.

쉬운 영어로 요약

• 기존 방식 (엔트로피): "특징들이 얼마나 고르게 분포되어 있는가?" (실제 크기는 무시함).
• 새로운 방식 (TSI + TSigI): "특징들의 평균 크기는 얼마인가?" (TSigI) 그리고 "크기 차이가 얼마나 큰가?" (TSI).
• 결과: 새로운 도구들은 구조적 변동성에 대한 더 나은 그림을 제공합니다. 균일하게 혼란스러운 시스템과 몇 개의 지배적인 특징이 잡음과 섞인 시스템을 구별할 수 있습니다. 특히 기존 도구들이 때때로 놓치는 데이터의 무작위 변동을 찾아내는 데 탁월합니다.

요약하자면, 이 논문은 데이터 과학자들에게 모양의 "균형"만 측정하던 기존 자에 더해, 데이터 모양의 "지저분함"을 측정하는 새로운 자 (TSI) 를 제공합니다.

기술 요약

기술적 요약: 위상 안정성 지수

문제 제기

위상 데이터 분석 (TDA) 은 지속성 다이어그램과 바코드를 활용하여 다양한 스케일에서 위상적 특징의 진화를 표현합니다. 이러한 표현은 풍부하고 안정적이지만, 지속성 다이어그램 공간에 단순한 선형 또는 볼록 구조가 부재하기 때문에 이를 표준 통계 도구와 통합하는 것은 여전히 어렵습니다.

기존의 스칼라 요약 지표인 **지속 엔트로피 (persistent entropy)**는 바코드를 단일 값으로 매핑함으로써 이 문제를 해결합니다. 그러나 지속 엔트로피는 지속 시간의 정규화된 분포 (상대적 가중치) 에 의존합니다. 결과적으로 이는 스케일 불변성을 가지며, 지속 시간의 절대적 분산이나 지속 시간 크기의 차이를 포착하지 못합니다. 많은 응용 분야에서 스케일과 변동성의 절대적 차이는 구조적 이질성의 의미 있는 지표이지만, 엔트로피 기반 요약에서는 이러한 정보가 손실됩니다. 따라서 구조적 이질성에 민감하게 반응하면서도 지속 시간의 절대적 분산을 정량화하는 스칼라 측정치가 필요합니다.

방법론

저자들은 지속 시간의 다중집합 (multiset) 에 대한 표본 분산으로 정의된, 분산 기반의 스칼라 측정치인 **위상 안정성 지수 (Topological Stability Index, TSI)**를 제안합니다.

1. 정의 및 핵심 속성

$n_B$개의 막대와 지속 시간 $\ell_i = d_i - b_i$를 갖는 지속성 바코드 $B$가 있다고 합시다. TSI 는 다음과 같이 정의됩니다:
$$\text{TSI}(B) := \text{Var}(L_B) = \frac{1}{n_B - 1} \sum_{i=1}^{n_B} \left( \ell_i - \frac{L_B}{n_B} \right)^2$$
여기서 $L_B = \sum \ell_i$는 총 지속 시간입니다.

확립된 주요 수학적 속성은 다음과 같습니다:

• 스케일링: 필터레이션 값의 균일한 스케일링 하에서 TSI 는 2 차 ($c^2$) 로 스케일링됩니다.
• 이동 불변성: 막대 수가 고정되어 있다면, 죽음 시간의 균일한 이동 (모든 지속 시간을 상수만큼 이동) 하에서 TSI 는 불변입니다.
• 극한 특성화: 고정된 막대 수와 고정된 총 지속 시간에서, 모든 지속 시간이 같을 때 TSI 는 최소화 (0) 되고, 지속 시간이 단일 막대에 집중될 때 최대화됩니다.
• 업데이트 공식: 막대의 삽입 또는 삭제 하에서 TSI 에 대한 명시적인 재귀 공식이 유도되었으며, 이는 새로운 막대의 길이가 기존 평균과 얼마나 다른지에 대한 민감성을 보여줍니다.
• 안정성: TSI 는 임의로 짧은 막대의 삽입 하에서 연속적이지는 않습니다 (표본 크기 정규화 변화 때문). 그러나 막대 수가 고정되어 있을 때, 빈 다이어그램 및 병목 거리 (bottleneck distance) 에 대해 정량적 경계를 가집니다.

2. 보완적 신호 지수

지속 시간의 전형적인 스케일을 포착하기 위해, 저자들은 **위상 신호 지수 (Topological Signal Index, TSigI)**를 정의합니다:
$$\text{TSigI}(B) := \frac{\sum \ell_i^2}{\sum \ell_i}$$
이는 지속 시간으로 가중된 평균 지속 시간으로 해석됩니다. $(\text{TSigI}(B), \text{TSI}(B))$는 바코드의 크기 (신호 강도) 와 분산 (구조적 변동성) 을 모두 인코딩하는 2 차원 요소를 형성합니다.

3. 정규화 버전 및 엔트로피 연결

분산 기반 요약과 엔트로피 기반 요약 간의 간극을 메우기 위해, 정규화된 버전인 cvTSI가 도입됩니다:
$$\text{cvTSI}(B) := \frac{\text{TSI}(B)}{(\bar{\ell}_B)^2}$$
여기서 $\bar{\ell}_B$는 평균 막대 길이입니다.

• 스케일 불변성: cvTSI 는 균일한 스케일링 하에서 불변입니다.
• Rényi 엔트로피와의 관계: 저자들은 cvTSI 와 2 차 Rényi 엔트로피 ($H_2$) 사이의 정확한 대수적 관계를 증명합니다. 구체적으로, cvTSI 는 충돌 확률 $\sum p_i^2$ (여기서 $p_i$는 정규화된 지속 시간) 의 아핀 함수입니다. 따라서 cvTSI 는 $H_2$의 단조 재매개화입니다.
• 테일러 전개: 균일 분포 근처에서, 지속 엔트로피 $E(B)$는 cvTSI 의 선형 함수로 근사될 수 있으며, 이는 cvTSI 가 엔트로피가 최대값으로부터 이탈하는 주요 2 차 편차를 포착함을 보여줍니다.

주요 결과

이 논문은 합성 기하 데이터와 확률적 시계열에 대한 수치 실험을 통해 TSI 의 이론적 속성과 실용적 유용성을 검증합니다:

1. 기하학적 구성 (원):

   • 분리된 원과 얽힌 원 모델에서, TSI 는 샘플링 밀도가 증가함에 따라 빠르게 점근적 값으로 수렴하여 샘플링 밀도에 대한 강건함을 보여줍니다.
   • 출생 시간이 0 으로 수렴하는 것에 크게 의존하는 지속 엔트로피와 달리, TSI 는 바코드의 균일한 이동 하에서 불변으로 유지됩니다 (예: 분리된 원에서 샘플 크기 변화).
   • TSI 는 국소적 교란 (짧은 수명의 막대) 에 민감한 반면, 엔트로피는 정규화된 분포의 전체적 균형을 반영합니다.

2. 잡음 강건성:

   • 가우시안 또는 균일 잡음이 증가함에 따라, 지배적인 특징이 파괴되고 지속 시간이 균일하게 작아지면서 TSI 는 0 으로 빠르게 감소합니다.
   • 반면, 지속 시간의 분포가 더 균일해짐 (많은 짧은 수명의 특징) 에 따라 지속 엔트로피는 단조 증가합니다.
   • cvTSI 는 비단조적 거동을 보이며, 눈에 띄는 특징과 짧은 수명의 특징이 혼합되어 있을 때 정점을 찍은 후 잡음이 지배적이 되면서 감소합니다.

3. 확률적 시계열 (기하 브라운 운동):

   • GBM 을 분석할 때, TSI 는 결정론적 추세 (드리프트) 에는 거의 민감하지 않지만 확률적 변동 (변동성) 에는 강하게 반응합니다.
   • 변동성 증가는 지속 시간의 증가된 분산을 반영하여 더 높은 TSI 값을 초래합니다.
   • 이는 드리프트에 대한 약한 의존성과 변동성에 대한 중간 정도의 의존성만 보이는 엔트로피와 대조됩니다.

중요성 및 주장

이 논문은 TSI 가 TDA 의 기존 엔트로피 기반 요약에 필수적인 보완재라고 주장합니다. 주요 기여점은 다음과 같습니다:

• 절대적 분산 포착: 지속 엔트로피와 달리, TSI 는 지속 시간의 절대적 변동성을 정량화하여 엔트로피가 놓치는 이질적인 특징 스케일과 구조적 복잡성에 민감하게 반응합니다.
• 통합된 관점: 정규화된 cvTSI 를 통해, 논문은 분산 기반 측정치와 정보 이론적 요약 (Rényi 엔트로피) 간의 직접적인 수학적 연결을 수립하여 스칼라 요약을 위한 두 가지 다른 접근법을 통합합니다.
• 보완적 민감성: 실험은 TSI 와 엔트로피가 데이터 구조의 서로 다른 측면을 포착함을 보여줍니다. TSI 는 결정론적 추세에는 상대적으로 둔감하지만 확률적 변동과 지속 시간 크기의 변화에는 매우 민감합니다.
• 2 차원 요약: $(\text{TSigI}, \text{TSI})$ 쌍은 위상적 특징의 전형적인 스케일과 구조적 변동성을 모두 인코딩하는 간단하고 해석 가능한 2 차원 요소를 제공합니다.

저자들은 막대 삽입 하에서의 연속성 문제와 막대 수에 대한 의존성이라는 TSI 의 한계가 있음에도 불구하고, 절대적 스케일과 분산이 중요한 시나리오에서 구조적 이질성에 대한 강건한 기술자로서 TSI 가 기능한다고 결론지었습니다. 향후 연구로는 지속 곡선 (persistence-curve) 프레임워크 내에서의 함수적 유사체 개발과 통계적 추론을 위한 점근적 거동 연구가 제안됩니다.