워스테인 평행 전송을 통한 통계 시스템 동역학 예측

** 본 연구는 시간에 따라 변하는 확률분포를 다루는 과학·사회 시스템에서, 기존의 “평행 트렌드” 가정을 벡터 차감 형태로만 적용하던 한계를 극복하고, 워스테인 공간 위의 최적 전송(Optimal Transport) 지오데시를 따라 접선 동역학을 평행 전송하는 새로운 프레임워크 “워스테인 평행 트렌드(Wasserstein Parallel Trends, WPT)”를 제안한다. 1. **배경 및 동기** - 세포 집단, 소득 분포, 생태계 등 많은 현상이 확률분포 형태로 기술된다. - 인과 추론, 도메인 적응, 배치 효과 보정 등에서는 한 시스템의 관측된 동역학을 다른 초기 조건에 투사해 반사실 경로를 예측해야 한다. - 기존 방법은 평균·분위수 차이와 같은 저차원 요약에 의존하거나, 아벨 군 구조가 필요해 비선형 분포 공간에 적용하기 어렵다. 2. **수학적 기초** - \(\mathcal P_2(\mathbb R^d)\) 위에 정의된 워스테인‑2 거리 \(W_2\)는 베르누이·벤오우 흐름을 통해 리만 기하학적 구조를 갖는다. - 접선 공간은 연속 방정식 \(\partial_t\mu_t + \nabla\cdot(\mu_t v_t)=0\) 를 만족하는 벡터장 \(v_t\) 로 표현된다. - 레비‑치비타 연결을 이용해 “평행 전송”을 정의하면, 두 지오데시 \(\gamma_{0\to1}\) 를 따라 접선 벡터가 어떻게 변하는지를 기술한다. 3. **핵심 기여 – Fanning Scheme** - 정확한 평행 전송은 비선형 편미분 방정식(PDE) 형태로 존재하지만, 이를 직접 풀면 계산 비용이 prohibitive 하다. - 저자들은 “fanning scheme”을 도입해, 베이스 평행 전송(base PT)과 야코비 필드(Jacobi fields)를 조합해 근사 전송을 구현한다. - 이 스키마는 (a) 지오데시를 작은 구간으로 분할, (b) 각 구간에서 선형화된 전송 연산을 적용, (c) 야코비 필드로 누적 오차를 보정한다. - 정리 3.9와 4.6에서 제시된 안정성 정리와 수렴 속도 분석을 통해 \(\mathcal O(\Delta t^2)\) 수준의 근사 오차를 보장한다. 4. **특수 경우 – 가우시안 분포** - 가우시안 \(\mathcal N(m,\Sigma)\) 사이의 평행 전송은 평균과 공분산이 각각 독립적으로 라플라스 방정식 형태의 연속 Lyapunov 방정식으로 전송됨을 증명한다. - 이때 전송 연산은 닫힌 형태로 계산 가능해, 실험에서 가우시안 혼합 모델을 이용한 합성 실험에 빠르게 적용할 수 있다. 5. **워스테인 평행 트렌드 가정** - “WPT 가정”은 두 시스템의 초기 분포 차이가 시간에 따라 거의 변하지 않는(또는 변형이 선형적으로 보존되는) 경우에 성립한다. - 이 가정 하에, 평균 수준에서는 기존 평행 트렌드 가정과 동등함을 정리 3.13을 통해 보이며, 따라서 기존 DiD 분석과 직접 연결된다. 6. **알고리즘 파이프라인** 1. 초기 분포 \(\mu_0\)와 목표 분포 \(\nu_0\) 사이의 최적 전송 지도 \(T\) (Brenier map) 를 계산. 2. 관측된 동역학 \(\{v_t\}\) 를 \(\mu_t\) 의 접선 벡터장으로 추정 (예: 연속 방정식 기반 추정). 3. fanning scheme을 이용해 \(\{v_t\}\) 를 \(\nu_t\) 로 평행 전송, 즉 \(\tilde v_t = PT_{ \mu_t \to \nu_t}(v_t)\). 4. \(\tilde v_t\) 를 이용해 새로운 연속 방정식 \(\partial_t \nu_t + \nabla\cdot(\nu_t \tilde v_t)=0\) 를 시뮬레이션, 반사실 경로 \(\{\nu_t\}\) 를 얻는다. - 구현은 PyTorch 기반 자동 미분과 Sinkhorn 알고리즘을 활용해 GPU 가속을 지원한다. 7. **실험** - **합성 실험**: 2차원 가우시안 혼합 모델에서 전통적인 차분‑인‑차분(DiD)과 비교, 평균 절대 오차가 30% 이상 감소. 또한, 비선형 변형(회전·스케일)에서도 안정적인 추정이 가능함을 확인. - **단일세포 RNA‑seq**: 마우스 뇌 발달 데이터와 인간 면역세포 데이터 두 가지 케이스에서, 배치 효과가 존재하는 대조군·처리군을 각각 0시점에 측정. 워스테인 평행 전송을 통해 대조군 동역학을 치료군에 맞추어 반사실 경로를 생성, 이후 치료 효과를 정량화. 기존 평균 기반 보정은 배치 효과를 충분히 제거하지 못했으나, WPT는 전체 분포 형태(희소성·다중 피크)를 보존하면서 차이를 추정, 실험적 검증과 높은 상관성을 보였다. 8. **의의 및 향후 연구** - 워스테인 공간에서의 평행 전송이라는 개념을 도입함으로써, “벡터 차감”이 불가능한 비선형 분포 공간에서도 자연스러운 반사실 동역학 예측이 가능해졌다. - 이론적 보장은 물론, 가우시안 등 특수 경우에 대한 폐쇄형 해와 일반 경우에 대한 효율적 근사 알고리즘을 제공한다. - 향후 연구는 고차원 복합 데이터(예: 이미지, 시계열)와 비정상적(다중 모드, 비연속) 분포에 대한 확장, 그리고 인과 추론 프레임워크와의 통합(예: 워스테인 인스트루멘털 변수) 등을 탐색할 예정이다. **