A dual network approach to connect structure and flow in random networks

복잡하고 무질서한 물질을 통과하는 유체의 움직임은 종종 단순한 예측을 거부하는 방식으로 나타난다. 물이 암석의 미세한 구멍 사이로 스며들든, 혈액이 뒤엉킨 모세혈관 그물을 항해하든, 혹은 전기가 파손된 와이어 메쉬를 통해 흐르든, 그 움직임은 결코 균일하지 않다. 이러한 무작위 네트워크에서 흐름은 고르게 분산되지 않는다. 대신 몇 개의 빠른 경로로 집중되는 반면, 광범위한 영역은 거의 정체된 상태로 남겨둔다. 이러한 불균일성은 과학자들이 '헤비 테일(heavy-tailed) 통계'라고 부르는 현상을 만들어내는데, 이는 단일 채널을 통한 갑작스럽고 거대한 유체의 급증과 같은 극단적인 사건이 표준 모델이 시사하는 것보다 훨씬 더 빈번하게 발생함을 의미한다. 이러한 분포를 이해하는 것은 영양분, 오염 물질 또는 열의 이동이 평균 속도가 아니라 이러한 희귀한 고속 경로에 달려 있기 때문에 매우 중요하다. 수십 년 동안 연구자들은 네트워크의 물리적 형태와 배치가 어떻게 이러한 기이한 흐름 패턴을 결정하는지 설명하는 데 어려움을 겪어 왔으며, 구조 자체로부터 흐름을 예측하기보다는 직접 흐름을 측정해야 하는 경우가 많았다.

연구팀은 이제 이 간극을 메울 수 있는 새로운 방법을 개발하여, 이러한 무작위 네트워크 내의 혼돈스러운 흐름이 사실 숨겨진 이중 구조에 의해 지배된다는 것을 밝혀냈다. 정규 격자부터 불규칙한 암석 형태에 이르기까지 다양한 시뮬레이션 네트워크를 통해 유체의 움직임을 분석함으로써, 저자들은 네트워크가 채널의 크기에 따라 자연스럽게 두 개의 뚜렷한 상호 연결된 하위 네트워크로 분리된다는 것을 발견했다. 이러한 분리는 임의적인 것이 아니다. 이는 두 가지 서로 다른 수리학적 행동 사이의 경계 역할을 하는 특정 임계 크기에 의해 결정된다. 이 임계 크기보다 작은 채널 그룹은 압력이 각 연결부마다 크게 변하여 흐름이 파이프의 국소적 크기에 크게 의존하는 시스템처럼 작동한다. 반면, 더 큰 채널들로 구성된 다른 그룹은 흐름이 네트워크의 전체적인 연결성과 각 접점으로 이어지는 경로의 수에 의해 결정되는 연결된 백본(backbone)과 같이 작동한다.

연구진은 이 임계 크기 임계값이 네트워크의 기하학적 구조의 근본적인 속성이며, 시스템 전체에 걸쳐 연속적인 경로가 처음으로 형성되는 지점과 밀접하게 연관되어 있다는 것을 발견했다. 더 작은 채널들의 경우, 흐름률은 네트워크가 어떻게 연결되어 있는지와는 독립적으로 오로지 채널 크기의 분포에 의해 결정된다. 그러나 더 큰 채널들의 경우, 흐름률은 각 접점에서의 연결 수에 영향을 받는다. 채널이 주요 백본의 일부가 될 만큼 충분히 커지면, 이는 종종 더 작은 채널들로 이루어진 '막다른 길(dead ends)'이나 매달린 가지(dangling branches)로 이어지게 된다. 이러한 막다른 길은 주 경로로부터 흐름을 빼내는 배수구 역할을 한다. 연구진은 이러한 더 작은 채널들이 얼마나 많이 부착되어 있는지에 따라 이 더 큰 채널들의 통계적 행동이 직접적으로 형성된다는 것을 보여주었다.

이러한 통찰력을 통해 연구팀은 채널 크기의 분포와 각 접점의 연결 수라는 단 두 가지 정보만을 사용하여 전체 흐름 속도와 비율의 분포를 예측하는 보편적인 규칙을 도출할 수 있었다. 그들은 더 작은 채널의 경우, 흐름 통계가 오로치 크기 분포에 의해 결정되는 특정 패턴을 따른다는 것을 입증했다. 더 큰 채널의 경우, 패턴은 네트워크의 연결성에 따라 변화하며, 연결 수가 증가함에 따라 흐름 분포의 지수가 변한다. 이 이중 접근 방식은 정규 격자와 사암 기공 구조 시뮬레이션을 포함한 불규칙하고 자연적인 네트워크에서 관찰되는 헤비 테일 통계를 성공적으로 설명해 냈다. 이러한 발견은 오염 물질의 빠른 이동이나 우선적 흐름 경로의 형성 등 다공성 매체를 통한 수송에서 흔히 보이는 극단적인 행동들이 무작위적인 이상 현상이 아니라, 이러한 근저에 깔린 구조적 이중성의 직접적인 결과임을 시사한다.

이 연구의 함의는 토양의 미세한 구멍에서부터 거대한 강과 혈관 네트워크에 이르기까지, 불균질한 매체를 통해 흐름이 이동하는 모든 시스템으로 확장된다. 네트워크가 효과적으로 두 개의 수리학적으로 구별되는 구역으로 나뉜다는 것을 이해함으로써, 과학자와 엔지니어들은 이제 모든 개별 흐름 경로를 측정할 필요 없이 유체가 어떻게 행동할지 예측할 수 있다. 이러한 예측 능력은 여과 시스템의 더 나은 설계, 지하수 오염에 대한 더 정확한 모델, 그리고 미시적 수준에서 물질이 어떻게 혼합되고 반응하는지에 대한 향상된 이해로 이어질 수 있다. 본 연구는 가장 무질서하고 복잡한 네트워크 내에서도 흐름을 지배하는 규칙이 혼돈스러운 것이 아니라, 이해하고 정량화할 수 있는 명확한 구조적 이중성에 뿌리를 두고 있음을 확인시켜 준다.