Robust Instability Radius for Networked Dynamical Systems: Upper and Lower Bounds

생동하는 세계에서 안정성은 종종 궁극적인 목표로 여겨진다. 너무 불규칙하게 뛰는 심장, 리듬 없이 발화하는 뉴런, 혹은 멸종으로 추락하는 개체군은 모두 시스템이 잘못되었다는 신호이다. 그러나 많은 생물학적 시스템에서 불안정성은 결함이 아니라 하나의 특징이다. 심장의 리듬감 있는 박동, 반딧불이의 동기화된 깜빡임, 그리고 유전자 조절의 복잡한 패턴은 모두 섬세하고 지속적인 불안정성에 의존한다. 이 시스템들은 정적인 휴식 상태에 안착하기보다는 순환하며 움직이도록 설계되어 있다. 하지만 바로 이 불안정성이 시스템을 취약하게 만든다. 환경이 변하거나 내부 구성 요소가 예상과 약간만 달라져도 리듬이 붕괴될 수 있으며, 시스템은 죽어 있는, 변하지 않는 상태로 가라앉을 수 있다. 과학자들의 과제는 시스템이 필수적인 생명 유지 리듬을 잃기 전까지 얼마나 많은 변화를 견딜 수 있는지 이해하는 것이다. 이것이 바로 강건한 불안정성 분석(robust instability analysis)의 영역, 즉 시스템이 필수적인 진동을 유지하면서 허용할 수 있는 불확실성의 정확한 한계를 결정하는 일이다.

한 연구팀은 세포 조직 내의 세포부터 군집 내의 로봇에 이르기까지 무엇이든 나타낼 수 있는 상호작용하는 에이전트들의 네트워크를 조사함으로써 이 문제에 도전했다. 그들은 구체적인 질문에 집중했다. 시스템의 진동을 멈추고 안정되게 강제하는 데 필요한 최소한의 교란량은 얼마인가? 그들은 이 임계값을 '강건한 불안정성 반경(robust instability radius)'이라고 부른다. 만약 시스템의 교란이 이 반경보다 작으면 시스템은 리듬을 유지한다. 만약 이보다 크면 리듬은 죽는다. 연구진은 이 정확한 숫자를 계산하는 것이 끊임없이 형태가 변하는 사슬에서 단 하나의 가장 약한 고리를 찾는 것만큼이나 매우 어렵다는 것을 발견했다. 모든 가능한 상황에 대한 단 하나의 완벽한 답을 찾는 대신, 그들은 이 임계값에 대한 하한값과 상한값을 모두 제공하는 범위를 계산하는 방법을 개발했다. 이를 통해 엔지니어와 생물학자들은 시스템이 리듬을 잃지 않도록 안전한지, 아니면 위험한 경계에 근접해 있는지를 확실히 알 수 있다.

연구는 많은 개별 단위들로 이루어진 네트워크에서 시작되는데, 이 단위들은 명목상으로는 동일하지만 서로 다른 예측 불가능한 변동성을 겪는다. 음악가들이 함께 곡을 연주하려고 노력하는 상황을 상상해 보라. 그들은 모두 같은 악보를 가지고 있지만, 각 음악가는 약간 다른 악기를 가졌거나 템포에 대한 서로 다른 해석을 가질 수 있다. 연구진은 이 네트워크를 피드백 루프로 모델링했는데, 여기서 한 단위의 출력이 연결 행렬을 통해 다른 단위의 입력에 영향을 미친다. 그들은 네트워크가 이상적인 형태에서는 이미 불안정하며 진동하고 있다고 가정했다. 목표는 외부로부터의 '밀기(push)'—이 변동성들로 표현되는—가 네트워크를 진정시키고 진동을 멈추게 하는 최소한의 양을 찾는 것이었다. 만약 그러한 밀기가 존재하고 그 양이 작다면, 시스템은 취약하다. 만약 필요한 최소한의 밀기가 매우 크다면, 시스템은 강건하다.

이를 해결하기 위해 연구진은 복잡한 네트워크를 더 단순한 구성 요소들로 분해했다. 그들은 전체 네트워크의 안정성이 연결을 통해 만들어진 개별 경로들의 안정성에 달려 있다는 것을 깨달았다. 그들은 만약 네트워크가 안정적으로 유지되려면, 연결들이 불안정성을 가리는 숨겨진 상쇄를 만들어내지 않아야 하며, 특정 조건하에서는 개별 구성 요소들의 안정성이 엄격한 요구 사항이 된다는 것을 증명했다. 이러한 통찰력을 사용하여, 그들은 강건한 불안정성 반경을 추정하기 위한 일련의 규칙들을 도출했다. 그들은 대부분의 일반적인 네트워크에 대해 정확한 답을 확정하기 어렵다는 것을 발견했기에, '샌드위치' 형태의 경계값을 제공했다. 하한값은 진동을 멈출 수 있는 가능한 최소한의 교란 크기를 알려주는 반면, 상한값은 진동을 멈추는 것이 보장되는 최대 교란 크기를 알려준다. 만약 실제 교란이 이 두 숫자 사이에 있다면, 시스템의 운명은 더 구체적인 추가 분석 없이는 불확실하다.

연구진은 또한 네트워크의 구조가 결정적인 역할을 한다는 것을 발견했다 했다. 많은 실제 시스템에서 연결은 완전히 복잡하지 않으며, 단위의 수보다 독립적인 경로가 적은 더 단순한 형태일 수 있다. 이는 계수 부족(rank-deficient) 네트워크라고 알려져 있다. 이러한 경우, 연구진은 개별 에이전트들의 안정성이 엄격한 요구 사항이 된다는 것을 발견했다. 만약 개별 단위들이 본질적으로 안정적이지 않다면, 전체 네트워크는 어떤 양의 외부 튜닝에 의해서도 안정화될 수 없다. 이러한 더 단순한 계수 부족 네트워크를 위해, 그들은 경계값을 더 정확하게 계산하는 2단계 방법을 제안했다. 이 방법은 먼저 단순화된 버전의 문제를 푼 다음, 네트워크의 특정 제약 조건에 따라 답을 정교화하는 과정을 포함한다.

아마도 가장 중요한 발견은 연결이 단일 영향 방향으로 설명될 수 있을 만큼 매우 단순한, 즉 '랭크-원(rank-one)' 행렬로 알려진 특정한 유형의 네트워크에서 나온다. 이 특별한 경우, 연구진은 추정을 넘어 정확한 답을 제공할 수 있었다. 그들은 만약 에이전트들 사이의 연결이 동일한 부호를 공유한다면—즉, 모두가 같은 방향으로 밀거나 당긴다면—강건한 불안정성 반경을 시스템의 이득(gain)에 관한 표준 척도를 사용하여 정확하게 계산할 수 있음을 보여주었다. 이 결과는 강력한데, 왜냐하면 이는 유전자 조절 네트워크와 같이 생물학적 모델에서 자주 등장하는 일class의 시스템에 대해 명확하고 확정적인 규칙을 제공하기 때문이다. 이것은 시스템이 리듬이 깨지기 전까지 얼마나 많은 변동을 견딜 수 있는지를 정확히 알려준다.

또한 논문은 순환 연결을 가진 유전자 조절 네트워크에 기반한 수치적 예시에 이 이론적 경계값들을 적용했으며, 이전 연구에서 조사된 실제 사례의 파라미터들을 참조했다. 이 시뮬레이션에서, 그들은 자신들의 더 타이트한 새로운 하한값을 기존의 더 보수적인 추정치(소 이득 정리(small gain argument)로부터 도출된)와 비교했다. 결과는 기존의 방법들이 매우 적은 하위 시스템을 가진 특정 사례를 제외하고는, 새로운 더 타이트한 추정치보다 훨씬 낮은 하한값을 제공하는 경우가 많다는 것을 보여주었다. 이러한 차이는 핵심적인 통찰을 강조한다. 즉, 일반적으로 강건한 안정성 분석을 위해 자주 사용되는 소 이득 정리는 일반적인 정확한 강건 불안정성 분석에는 잘 작동하지 않는다는 것이다. 더 타이트한 새로운 경계값은 시스템의 한계에 대해 더 정확한 그림을 제공하며, 이는 기존의 느슨한 추정치에 의존하는 것이 많은 시나리오에서 시스템의 강건성을 과대평가하게 만들 수 있음을 시사한다.

궁극적으로, 이 연구는 진동하는 시스템을 분석하기 위한 새로운 도구 모음을 제공한다. 이 연구는 막연한 가정을 넘어 정밀하고 계산 가능한 한계로 이 분야를 이동시킨다. 일반적인 네트워크(경계값만 가능한)와 특별하고 더 단순한 네트워크(정확한 답을 찾을 수 있는)를 구분함으로써, 연구진은 강건한 불안정성의 지형을 그려냈다. 그들의 작업은 합성 생물학이나 자율 로봇 공학에서처럼 리듬과 진동에 의존하는 시스템을 설계할 때, 음악이 멈추기 전까지 얼마나 많은 불확실성을 견딜 수 있는지에 대해 명확한 이해를 가지고 설계할 수 있도록 보장한다.