크로네커 곱 복합 네트워크의 구조적 관측성·제어 가능성 최소 충분 조건

본 논문은 복합 네트워크를 두 개의 작은 네트워크의 크로네커 곱으로 모델링하고, 이러한 복합 시스템의 구조적 관측성 및 제어 가능성을 분석한다. 연구 배경으로는 로봇, 다중 에이전트, 센서 네트워크, 소셜 네트워크, IoT, 사이버‑물리 시스템 등에서 네트워크가 계층적으로 결합되는 경우가 늘어나면서, 대규모 네트워크의 제어·관측 문제를 효율적으로 해결할 필요성이 대두된다. 기존 연구는 주로 카르테시안 곱을 이용한 복합 네트워크에 초점을 맞추었으며, 크로네커 곱에 대한 구조적 제어·관측 분석은 부족한 상황이었다. 논문은 먼저 선형 구조 불변(Linear‑Structure‑Invariant, LSI) 시스템 모델을 정의한다. 여기서 시스템 행렬 A는 고정된 0‑1 구조를 가지지만, 비영 원소는 시간에 따라 변할 수 있는 자유 변수(free variable)로 간주한다. 이러한 모델은 파라미터가 정확히 알려지지 않거나 변동성이 큰 실제 시스템을 포괄한다. 문제 정의는 다음과 같다. 복제 네트워크 G₂(크기 n, 인접 행렬 A₂)와 팩터 네트워크 G₁(크기 N, 인접 행렬 A₁)가 주어질 때, 복합 네트워크 G₁×G₂의 인접 행렬은 A₁⊗A₂가 된다. 관측(또는 입력) 행렬 H와 H_C는 각각 G₂와 복합 네트워크에 대한 구조를 나타낸다. 목표는 구조적 관측성/제어 가능성을 만족하면서 H_C의 0‑norm, 즉 전체 센서·액추에이터 수를 최소화하는 것이다. 이를 수식화한 것이 Problem 1이며, 제약은 (A₁⊗A₂, H_C)의 구조적 관측성/제어 가능성이다. 핵심 이론적 도구는 구조적 랭크(S‑rank)와 그래프 이론이다. S‑rank는 모든 자유 변수에 대해 가능한 최대 수치적 랭크를 의미하며, “full S‑rank”는 네트워크가 사이클들의 서로 다른 집합으로 모든 노드를 커버할 수 있음을 뜻한다(Lemma 1). Lemma 2는 크로네커 곱의 S‑rank가 개별 네트워크의 S‑rank 곱보다 작지 않으며, 일반적인 경우 등호가 성립한다는 사실을 제시한다. 이는 두 네트워크가 각각 full S‑rank이면 복합 네트워크도 거의 모든 파라미터 선택에 대해 full S‑rank가 된다는 중요한 결론을 낳는다. 구조적 관측성/제어 가능성의 일반적 조건은 Lemma 3에 정리된다. 첫 번째는 출력(입력) 연결성으로, 모든 노드가 적어도 하나의 출력(입력)으로 연결된 경로를 가져야 한다. 두 번째는 S‑rank 회복으로, 사이클들의 서로 다른 집합과 출력(입력) 연결 경로가 전체 노드를 포괄해야 한다. Lemma 4는 두 번째 조건을 S‑rank 회복이라는 형태로 재표현한다. 이러한 일반 조건을 바탕으로 논문은 크로네커 복합 네트워크에 대한 최소 충분 조건을 도출한다. 주요 결과는 다음과 같다. 1. **Full S‑rank 복제 네트워크**: G₂가 full S‑rank이고 자체 감쇠(self‑damped) 구조(대각 원소가 모두 비영)라면, G₁의 구조와 H_C만으로 복합 네트워크의 관측성·제어 가능성을 보장할 수 있다. 이는 G₁이 최소한 하나의 출력(입력) 노드를 포함하고, 해당 출력(입력) 행렬이 G₁의 모든 노드와 연결될 때 성립한다. 2. **S‑rank 부족 복제 네트워크**: G₂의 S‑rank가 n보다 작을 경우, H_C는 추가적인 사이클을 제공하거나 기존 사이클을 보강해야 한다. 구체적으로, H_C의 비영 원소를 적절히 배치해 S‑rank 회복 조건을 만족시키면 복합 네트워크는 구조적으로 관측 가능(또는 제어 가능)해진다. 3. **최소 센서·액추에이터 배치**: Problem 1을 정식 최적화 문제로 정의하고, 그래프 이론적 해석을 통해 H_C의 최소 0‑norm을 구한다. 이는 출력(입력) 연결성을 만족하면서 사이클 커버를 최소화하는 문제와 동등하며, 제로 포싱 집합(zero forcing set)과 제약 이분 매칭(constrained bipartite matching) 기법을 활용해 해를 구한다. 4. **강 구조적 제어와 일반 구조적 제어**: 논문은 강 구조적 제어(strong structural controllability)와 일반 구조적 제어의 차이를 명확히 구분한다. 강 구조적 제어는 모든 파라미터 선택에 대해 제어 가능성을 보장하는데, 이는 자체 감쇠 네트워크와 같은 특수 구조에서 쉽게 만족된다. 일반 구조적 제어는 “거의 모든” 파라미터 선택에 대해 성립한다는 의미이며, 제로 측정값이 아닌 알제브라적 다양체에 속하는 경우만 예외가 된다. 5. **실증 검증**: 제안된 이론을 검증하기 위해, 복합 네트워크 G₁×G₂에 칼만 필터 기반의 분산 추정 알고리즘을 적용한다. 최소 센서 배치를 설계한 뒤, 각 센서는 로컬 상태를 측정하고 중앙 추정기가 전체 상태를 재구성한다. 시뮬레이션 결과는 관측성·제어 가능성을 만족하는 경우와 만족하지 못하는 경우의 추정 오차 차이를 명확히 보여주며, 최소 충분 조건이 실제 시스템에서도 유효함을 입증한다. 논문의 구조는 다음과 같다. 섹션 II에서는 그래프와 구조적 시스템 이론에 대한 기본 정의와 문제 설정을 제시한다. 섹션 III에서는 관측성·제어 가능성에 대한 일반적인 최소 충분 조건을 증명하고, 이를 기반으로 S‑rank와 자체 감쇠 특성을 논의한다. 섹션 IV에서는 이러한 결과를 크로네커 곱 네트워크에 적용하여 최소 센서·액추에이터 배치 문제를 해결한다. 섹션 V에서는 분산 추정 응용 사례를 제시하고, 섹션 VI에서는 구체적인 예제와 시뮬레이션을 통해 이론적 결과를 시각화한다. 마지막 섹션 VII에서는 연구의 한계와 향후 연구 방향을 논의한다. 결론적으로, 이 논문은 크로네커 곱을 이용한 복합 네트워크의 구조적 관측성·제어 가능성을 체계적으로 분석하고, 최소 센서·액추에이터 배치를 위한 실용적인 설계 지침을 제공한다. 제시된 최소 충분 조건은 네트워크 규모가 커지더라도 파라미터 값에 크게 의존하지 않으며, 분산 추정·제어, IoT, 사이버‑물리 시스템 등 다양한 분야에 바로 적용할 수 있는 이론적 토대를 마련한다.