도영해 자연과학대학 수학과 교수와 Ying-Cheng Lai 미국 아리조나 주립대 교수 연구팀은 자기공명화상법(MRI)에 이용되는 압축센싱(compressive-sensing) 방법을 사용하여 노이즈가 있는 복잡계 네트워크에서 숨겨진 정보를 찾는 수학적 접근법을 제시했다. 이 연구 결과는 네이처의 자매지인 ‘사이언티픽 리포트(Scientific Reports)’ 2월 3일자에 게재됐다.
세상의 많은 부분들은 네트워크 구조로 묘사할 수 있다. 네트워크는 노드(점)와 선으로 구성되어 있다. 복잡계 네트워크는 노드와 선이 일정하게 상호 작용하는 것이 아닌 마구잡이 형태로 복잡하게 얽혀 있는 네트워크를 뜻한다. 세포 구성부터 인간관계, 주식시장, 기상현상, 인터넷 등 실생활에서도 흔히 볼 수 있다. 과거 자연과학, 수학 등에서 주로 연구되었지만 최근에는 경제학을 비롯해 각종 분야에 폭넓게 적용되고 있다.
모든 노드의 정보를 알게 되면 네트워크의 모든 연결 구조 파악이 가능해 상황을 예측하고 문제 발생 시 쉽게 해결할 수 있다. 현실적으로는 모든 노드의 정보를 직접적으로 관찰하기 힘들며 파악하는 과정에서 노이즈가 포함될 수도 있다.
도 교수팀은 관측된 자료를 가지고 숨겨진 정보를 찾을 수 있는 수학적 접근법을 제시, 복잡계 네트워크를 재구성(네트워크 복원, Reconstruction of Network)할 수 있다고 밝혔다.
도 교수는 “숨겨진 노드 즉 숨겨진 정보를 찾는 이번 연구 결과는 다양한 분야에 활용이 가능하다. 최근 문제가 되고 있는 가축전염병의 경우 일부 농가 상황의 정보만을 가지고 복잡계 네트워크 이론을 재구성할 수 있으며, 이를 통해 발원지를 이론적으로 찾을 수 있을 것으로 기대된다”고 밝혔다.
[저작권자ⓒ 대학저널. 무단전재-재배포 금지]
