Emergence of collective criticality from future-anticipation maximisation

기술 요약: 미래 예측 극대화를 통한 집단적 임계성의 출현

문제 제식 (Problem Statement)
생물학적 임계성(Biological criticality)은 신경망에서부터 동물 집단에 이르기까지 생명체의 적응성을 뒷받침하는 근본적인 원리로 널리 인식되고 있다. 그러나 동적으로 변화하는 시스템 제약 조건 하에서 어떻게 임계 유사 역동성(critical-like dynamics)이 생성되고 유지되는지에 대한 메커니즘은 여전히 미해결 과제로 남아 있다. 이는 특히 동물 집단(예: 새 떼, 물고기 떼)과 같이 서로 다른 상호작용 구조를 특징으로 하는 뚜렷한 형태(군집, 군집 형성, 회전형 이동 등) 사이를 자발적으로 전환하는 경우에 매우 중요하다. 기존의 이론적 프레임워크는 종종 고정된 임계점이나 안정적인 형태를 가정하며, 집단 자체의 제약 조건이 지속적으로 재형성될 때 어떻게 임계 유사 역동성이 지속될 수 있는지를 설명하지 못한다. 또한, 기존의 미래 지향적 모델들(예: 인과적 엔트로피 힘, 자유 에너지 원리)은 대개 확장된 개별 예측 지평이나 명시적인 내부 생성 모델에 의존하는데, 이는 효율적인 확장이 어려울 수 있으며, 로컬(local) 수준의 결정이 어떻게 미세 조정 없이 집단적 임계성을 생성하는지를 설명하기 어렵다.

방법론: 미래 예측 극대화 (Future Anticipation Maximisation, FAM)
저자는 이러한 공백을 메우기 위해 미래 예측 극대화(FAM) 원리를 도입한다. 에이전트가 긴 지평에 걸쳐 독립적으로 미래 궤적을 예측하는 기존 방식과 달리, FAM은 일보 앞을 내다보는 조합적 상호 예측(one-step combinatorial mutual anticipation) 프레임워크를 기반으로 작동한다.

• 에이전트 역학: $N$개의 자가 추진 에이전트 시스템이 2D 연속 도메인 내에서 이동한다. 각 타임 스텝마다 에이전트는 후보 행동 집합에서 회전각을 선택한다.
• 상호 예측 (Mutual Anticipation): 후보 행동을 평가하기 위해, 에이전트는 단일한 미래 경로를 예측하는 대신, 델로네(Delaunay) 이웃들의 가능한 일보 후 행동 집합을 고려한다. 에이전트는 자신의 행동과 이웃들의 예상 행동의 결합을 바탕으로 미래 구성의 조합적 공간을 구축한다.
• 지각 다양성 극대화 (Perceptual Diversity Maximisation): 각 후보 행동에 대해, 에이전트는 이웃들의 행동 조합으로부터 발생할 수 있는 고유한 미래 지각 상태(이산화된 각도 섹터 내 이웃들의 이진 점유 패턴)의 수를 계산한다. 에이전트는 이 다양성($U_{i,k}$)을 극대화하는 행동을 선택한다.
• 핵심 차이점: 미래의 가능성은 경험적 분포로부터 독립적으로 추정되는 것이 아니라, 상호 예측을 통해 공동으로 구축된다. 여기서 "맥락(context)"은 외부적으로 규정된 조건이 아니라 상호작용 구조로부터 발생하는 창발적 속성이다.
• 매개변수: 본 연구는 그룹 크기($N=100$ to $500$)에 따른 지각 이질성($\kappa_{per}$)과 옵션 가변성($\kappa_{op}$)으로 정의된 매개변수 공간을 탐구한다.

주요 결과

1. 자발적 형태 전환 (Spontaneous Morphological Transitions):
   명시적인 정렬 규칙이나 사전 정의된 임계점으로의 미세 조정 없이도, FAM은 군집(swarming), 군집 형성(schooling), 회전형 이동(milling) 상태 사이의 자발적 전환을 생성한다. 위상도(phase diagram)는 다음과 같은 뚜렷한 영역을 보여준다:

   • 회전형 이동 우세 (Milling-dominant): 높은 회전 질서.
   • 군집 형성 우세 (Schooling-dominant): 높은 정렬.
   • 공존 영역 (SMS/MS): 시스템이 상태 사이를 확률적으로 전환하는 구간.
   • 전환 역학 (Switching Dynamics): 전환은 안정적인 구조(예: 회전형 이동)가 불안정해지고, 군집 형성 상태를 거쳐, 반대 방향으로 재구성되는 "플립(flip)" 이벤트를 통해 발생한다. 이러한 전환 간격은 특성 시간 척도가 없는 헤비 테일(heavy-tailed) 분포를 보인다.

2. 임계 유사 느려짐의 출현 (Emergence of Critical-like Slowing Down):
   시스템은 상태 전환 근처에서 완화 시간($\tau$)과 감수성($\chi$) 사이의 스케일링 관계 $\tau \propto \chi^\alpha$로 특징지어지는 임계 유사 느려짐 현상을 보인다.

   • 두 가지 뚜렷한 체제 (Two Distinct Regimes): 연구는 시간적 변동과 공간적 변동 사이의 질적으로 다른 균형을 식별한다:
     • SMS 단계 (Swarm-Milling-Schooling): 시간적 변동(빈번한 전환)이 지배적이다. 임계 지수가 그룹 크기에 따라 수렴하며, 이는 유한 크기 효과(finite-size effects)를 시사한다.
     • MS/회전형 이동 우세 단계: 공간적 변동(군집 형성에 의한 안정적인 회전형 이동 중단)이 지배적이다. 임계 지수는 그룹 크기에 관계없이 불변한다 ($\alpha \approx 0.5-0.6$).
   • 광범위한 임계 영역: 고전적 임계성이 좁은 지점에 국한되는 것과 달리, FAM은 이러한 역동성이 나타나는 광범위한 임계 유사 영역을 생성한다.

3. 레비(Lévy)-유사 집단 및 개체 역학:

   • 집단 수준: 질량 중심 궤적은 모든 단계에서 레비-유사 통계적 행동(헤비 테일 스텝 길이 분포)을 보인다. 다만, SMS 단계에서는 대규모 그룹에서만 나타나며, MS 및 회전형 이동 단계에서는 크기에 관계없이 안정적이다.
   • 개체 수준: 연구는 질량 중심에 대한 개별 운동을 분해한다.
     • 군집 형성 (Schooling): 비행 길이 분포에서 명확한 레비-유사 통계를 보인다.
     • 회전형 이동 (Milling): 비등방적(anisotropic) 변동을 보인다. 접선 방향 운동은 레비-유사한 특성을 유지하는 반면, 반경 방향 운동은 환형 기하 구조에 의해 제약받는다(더 높은 지수를 가짐). 그러나 여전히 헤비 테일을 유지한다.
   • 연결 고리: 형태적 전환(stop-and-go 역학)은 상태 의존적 개체 변동과 집단 수준의 레비 역학을 연결한다.

의의 및 주장
본 논문은 생물학적 임계성이 고정된 임계점으로의 미세 조정이나 고정된 무질서(그리피스 상과 같이)로부터 발생하는 것이 아니라, 동적으로 변화하는 집단적 제약 조건 하에서 로컬 상호작용을 통해 지속적으로 재생될 수 있음을 주장한다.

• 메커니즘: 임계성은 미래의 가능성을 극대화하려는 로컬 원리, 즉 상호 예측을 통한 미래 지각 다양성 극대화를 통해 창발한다. 이 원리는 에이전트가 특정 상태를 최적화하거나 복잡한 내부 생성 모델을 보유할 필요 없이 "미래의 가능성"을 유지하게 한다.
• 확장성: 에이전트가 확장된 계획 지평 대신 일보 앞의 조합적 예측에 의존함으로써, FAM은 대규모 인구의 미래 상태를 예측할 때 발생하는 계산적 폭발 문제를 피한다.
• 이론적 전환: 이러한 결과는 생물학적 임계성이 고정된 상태가 아니라, 변화하는 맥락에 대응하여 상호작용 구조를 재편하는 동적인 과정으로 이해되어야 함을 시사한다. "옵션을 열어둔다(keeping options open)"는 철학은 독립적인 예측이 아니라, 집단적 차원의 미래 가능성 구축을 통해 실현된다.

결론적으로, FAM 원리는 사전 정의된 임계 상태 없이도 어떻게 동물 집단 내에서 임계 유사 역동성, 형태적 전환, 그리고 레비 유사 운동이 공존하고 자연스럽게 창발할 수 있는지에 대한 기계론적 설명을 제공한다.