동기 기반 계층적 무작위 그래프와 이징 모델 임계점

본 연구는 복잡계 네트워크의 구조적 특징을 보다 현실적으로 모델링하기 위해, 실제 생물학적 시스템에서 빈번히 발견되는 네 가지 3‑노드와 하나의 4‑노드 모티프(M₁~M₅)를 기본 단위로 삼아 새로운 계층적 무작위 그래프 군을 정의한다. 기존의 Erdős‑Rényi 모델이나 Barabási‑Albert 모델이 갖는 한계를 지적하고, 특히 네트워크 모티프가 네트워크 기능에 미치는 영향을 강조한다. 그래프 생성 절차는 다음과 같다. 첫 단계(k=1)에서는 선택된 모티프의 정점을 라벨링하여 기본 그래프 Λ₁을 만든다. 이후 각 단계 k에서는 Λ_{k‑1}을 q+1(모티프의 정점 수 q)개의 복제본으로 복제하고, 복제본들 사이를 라벨 일치 규칙에 따라 접합한다. 이때 각 복제본의 외부 정점은 다음 단계에서도 외부 정점으로 유지되며, 내부 정점은 새롭게 생성된다. 기본 결합(basic bonds)은 복제 과정에서 그대로 유지되어 확률 1 로 존재하고, 외부 정점 사이를 연결하는 장식 결합(decorations)은 독립적으로 확률 p 로 선택된다. 이러한 규칙은 Hinczewski‑Berker가 제안한 “계층적 격자에 무작위 장식 결합을 추가”하는 방식과 유사하지만, 결합 대신 정점을 복제한다는 점에서 차별화된다. 구조적 특성 분석에서는 먼저 정점 수 N_k 와 외부 정점 수 q_k 를 재귀식으로 도출한다. N_k 는 q·(q+1)^{k‑1} 정도로 급격히 증가하지만, 평균 차수 ⟨k⟩ 은 p 와 q 에 의해 제한된 유한값을 유지한다. 차수 분포는 정확히 계산하기 어려우나, 각 단계에서 동일한 복제·접합 패턴이 반복되므로, 정규화된 차수 분포는 멱법칙이 아닌 복합적인 형태를 보이며, 특히 p 가 클수록 고차 차수가 증가한다. 군집도 C_k 는 장식 결합이 삼각형을 형성하는 경우에 크게 증가한다. M₁(삼각형) 모티프에서는 외부 정점 사이에 완전 연결이 이루어지므로, p=1 일 때 C_k →1 로 수렴한다. p 가 감소하면 C_k 는 선형적으로 감소하지만, 기본 결합이 이미 높은 연결성을 제공하므로 전통적인 무작위 그래프보다 항상 높은 군집도를 유지한다. 아메너블성(amenability)은 그래프의 볼륨 대비 표면(외부 정점) 비율이 k→∞ 에서 0 으로 수렴함을 보임으로써 증명된다. 이는 그래프가 무한히 확장될 때도 경계가 상대적으로 작아짐을 의미한다. 스몰월드 특성은 두 정점 사이 평균 최단 거리 d_k 가 로그 스케일(log N_k) 로 증가함을 통해 확인된다. 따라서 이 그래프는 높은 군집도와 짧은 경로 길이를 동시에 갖는 전형적인 스몰월드 네트워크이다. 이후 이징 모델을 Λ_∞ 위에 정의한다. 각 정점 i 에 스핀 σ_i∈{±1} 를 할당하고, 기본 결합에 에너지 −J₀σ_iσ_j, 장식 결합에 −J₁σ_iσ_j (J₁=J·p) 를 부여한다. 계층적 구조 덕분에 분할 함수 Z_k 를 재귀식 Z_{k+1}=A·Z_k^{q}·exp(βJ₁·… ) 형태로 표현할 수 있다(β=1/k_BT). 고정점 분석을 통해 비자발적 대칭 파괴가 일어나는 임계 온도 T_c 를 정확히 구한다. 결과는 p=0 일 때는 기존 계층적 격자와 동일한 T_c 를 재현하고, p>0 일 때는 장식 결합이 유효 상호작용을 강화해 T_c 가 상승한다는 것을 보여준다. 특히 임계점 존재 조건은 J₁/J₀ > (q‑2)/q 로 간단히 표현된다. 마지막으로, 이러한 이론적 결과를 실제 네트워크에 적용할 가능성을 논의한다. 생물학적 조절 네트워크에서 관찰되는 높은 군집도와 스몰월드 현상은, 무작위 장식 결합을 포함한 계층적 모티프 기반 구조에 의해 자연스럽게 설명될 수 있다. 또한, 제시된 모델은 암호학적 응용(계층적 그래프 기반 암호)에도 활용 가능함을 언급한다. 논문은 구조적 특성과 통계 물리 모델을 동시에 다룸으로써, 복잡계 네트워크 이론에 새로운 통합적 시각을 제공한다.