Low-Dimensional Phase Diagram of Higher-Order Networked Systems

도시의 바이러스 확산부터 전력망의 갑작스러운 붕괴에 이르기까지, 복잡한 시스템은 종종 너무 늦기 전까지는 예측 불가능해 보이는 방식으로 작동합니다. 이러한 시스템은 서로 상호작용하는 수많은 개별 부분들로 구성됩니다. 오랫동안 과학자들은 이 부분들이 단순한 쌍(pair)으로 상호작용할 때 시스템이 임계점에 도달할 수 있다는 점을 이해해 왔습니다. '티핑 포인트(tipping point)'라고 알려진 이 결정적인 순간에, 전체 시스템은 건강하고 활발한 상태에서 죽어있는 비활성 상태로, 또는 그 반대로 급격히 뒤바뀔 수 있습니다. 이러한 변화는 왜 작은 교란이 때로는 거대한 붕괴를 촉발하는 반면, 다른 경우에는 동일한 교란이 아무런 결과 없이 흡수되는지를 설명해 줍니다. 연구자들의 과제는 바로 이 티핑 포인트가 정확히 어디에 있는지 지도를 그리고, 왜 어떤 시스템은 취약한 반면 다른 시스템은 회복 탄력성을 갖는지 이해하는 것이었습니다.

최근까지 대부분의 과학적 모델은 상호작용이 한 번에 두 엔티티 사이에서만 일어난다고 가정했습니다. 그러나 현실 세계의 시스템은 더 복잡합니다. 사회적 네트워크에서 소문은 단순히 한 사람에게서 다른 사람에게로 퍼지는 것이 아니라, 세 명의 친구가 동시에 논의하는 그룹을 통해 퍼질 수 있습니다. 생물학적 시스템에서 유전자는 단 하나의 유전자가 아닌, 두 다른 유전자의 결합된 작용에 의해 조절될 수 있습니다. 이러한 그룹 상호작용, 즉 세 개 이상의 부분이 동시에 관여하는 현상은 전통적인 모델이 포착할 수 없는 복잡성의 층위를 만들어냅니다. 이것은 시스템이 전이되는 방식 자체를 변화시켜, 시스템이 동시에 여러 개의 안정적인 상태를 가질 수 있게 만들며, 최종 결과는 전적으로 시스템이 어떻게 시작되었는지에 달려 있게 만듭니다.

상하이 통지 대학교(Tongji University)의 연구팀은 이러한 복잡성을 풀어낼 새로운 방법을 개발했습니다. 그들은 복잡한 다중 부분 네트워크의 행동을 훨씬 작고 분석하기 쉬운 시스템으로 단순화하는 수학적 프레임워크를 구축했습니다. 이 방법은 거대한 네트워크의 모든 노드 상태를 추적하는 대신, 전체 시스템의 역학을 단 몇 개의 핵심 변수로 응축합니다. 이러한 축소 과정을 통해 그들은 티핑 포인트가 정확히 어디에 있는지 예측하고, 시스템이 점유할 수 있는 다양한 상태를 보여주는 완전한 지도, 즉 상평도(phase diagram)를 그릴 수 있습니다. 그들의 연구는 그룹 상호작용이 단순한 쌍 상호작용과 비교하여 어떻게 배치되어 있는지가 매우 중요하다는 것을 밝혀냈습니다. 세 개 단위의 그룹 연결이 쌍 단위의 연결과 밀접하게 일치할 때, 시스템은 활성 상태로 기울어지기 더 쉬워지지만, 동시에 초기 조건에 더 민감해져 시스템이 불확실성의 상태에 갇힐 가능성이 높아집니다.

연구진은 그들의 프레임워크가 유효한지 확인하기 위해 세 가지 매우 다른 유형의 실제 네트워크에 적용하여 테스트했습니다. 첫째, 그들은 180명의 학생과 수천 개의 상호작용을 포함한 고등학교 접촉 네트워크를 통해 전염병이 어떻게 확산되는지 살펴보았습니다. 그들은 자신들의 단순화된 모델이 질병이 사멸하는 상태, 질병이 널리 퍼지는 상태, 그리고 초기 감염자 수에 따라 결과가 달라지는 민감한 중간 지대 사이의 경계를 정확하게 예측할 수 있음을 발견했습니다. 다음으로, 그들은 유전자 조절을 이해하기 위해 1,600개 이상의 노드를 포함하는 효모의 단백질 상호작용 네트워크에 이 방법을 적용했습니다. 마지막으로, 신경 활동을 연구하기 위해 900개 이상의 노드를 가진 뇌 연결 네트워크를 조사했습니다. 이 세 가지 경우 모두에서, 축소된 모델은 상세한 컴퓨터 시뮬레이션 결과와 일치하며 상평 경계와 전이의 성격을 성공적으로 예측했습니다.

가장 중요한 발견 중 하나는 이러한 고차 상호작용의 존재가 자동으로 복잡한 행동을 보장하는 것은 아니며, 상호작용의 강도가 중요하다는 점입니다. 연구진은 시스템이 상태 사이의 갑작스러운 불연속적 도약(first-order phase transition이라 불리는 현상)을 보이려면 그룹 상호작용의 강도가 특정 임계값을 초과해야 한다는 것을 발견했습니다. 이 임계값 아래에서 시스템은 더 부드럽게 작동합니다. 임계값을 넘어서면 시스템은 이력(history)에 따라 활성 상태나 비활성 상태 중 하나로 정착할 수 있는 이중 안정성(bistability) 영역에 진입할 수 있습니다. 이는 왜 어떤 시스템이 과거의 조건에 대한 기억을 가지고 있는 것처럼 보이는지, 즉 히스테리시스(hysteresis) 현상을 설명해 줍니다. 또한 연구는 시스템의 회복 탄력성, 즉 충격을 견뎌내는 능력이 쌍 상호작용과 그룹 상호작용이 얼마나 정렬되어 있는지와 깊게 연관되어 있음을 보여주었습니다. 이러한 다양한 유형의 연결이 서로를 강화할 때, 시스템은 활성 상태로 기울어지기 더 쉬워지지만, 그 활동이 상실될 경우 붕괴할 위험도 더 커집니다.

이러한 임계 전이에 대한 일반 이론을 제공함으로써, 이 연구는 시스템적 위험을 예측하기 위한 새로운 도구를 제시합니다. 금융 위기를 방지하든, 질병의 확산을 관리하든, 혹은 생태계의 안정성을 확보하든, 이러한 티핑 포인트의 기하학적 구조를 이해하는 것은 필수적입니다. 회복 가능한 교란에서 돌이킬 수 없는 붕괴로 시스템이 전환되기 직전의 순간을 예측할 수 있는 능력은 현대 세계의 복잡성을 관리하는 데 있어 중요한 진전을 의미합니다. 연구진은 수천 개의 움직이는 부품이 있는 시스템에서도 그 운명을 결정하는 규칙들이 명확하고 관리 가능한 형태로 추출될 수 있음을 보여주었으며, 이를 통해 시스템이 번영할지 혹은 실패할지를 결정하는 숨겨진 구조를 드러냈습니다.