네트워크 사이언스란 무엇인가?
네트워크 사이언스란 복잡한 시스템의 구조에 초점을 맞추어 어떻게 이 시스템의 구성 요소들이 연결되어있는지를 연구하는 분야를 뜻한다. 다른 말로 네트워크 사이언스는 시스템의 네트워크적 표상을 연구하는 것이다.
복잡한 시스템은 회로, 소셜 네트워크, 제트기의 구조, 인간 두뇌 등이 될 수 있다.
복잡한 네트워크는 몇개의 공통적인 기초 속성을 지닌다.
1. 각 시스템은 다양한 모듈로 이루어져있다.
2. 시스템의 각 부분들은 무분별하게 연결된 것이 아니라 특정한 상호연결로 구성된다 (non-trivial).
3. 연결된 부분들의 상호작용은 비선형적으로 이루어진다.
Trivial networks는 regular, 혹은 random networks로도 불리며 complex networks와는 유의하게 다르다. Regular networks는 지난 몇세기 동안 수학자들에 의해 다방면으로 연구되어온 Rings, Cliques, lattices 등을 뜻한다. 이들은 각 nodes 간의 동일한 상호연결패턴을 지닌다. 위 그림의 Regular networks는 모든 노드 들이 4개의 다른 노드들과 연결되어 있음을 보여준다. Graph theory에서 연구된 Random networks는 각 연결들이 무선적으로 연결되며 각 노드의 연결은 동일한 확률을 지닌다. 현실 세계에서 정보 시스템은 regular 혹은 random network 구조로 이루어져 있지 않다. 그 대신 매우 구체적이며 가변적인 상호연결 패턴을 지니고 있다. 예를 들어, 위 그림 중간의 네트워크는 무선적으로 연결되지 않은 네트워크를 보여준다. 여기서 3개의 주요한 클러스터는 그 내부에 또 다양한 연결 패턴을 보이고 있다.
네트워크 사이언스와 그래프 이론 사이의 주요한 차이점은 전자는 현실 세계에서 마주하는 복잡한 시스템에 대한 데이터 사이언스에 적용되며 반면 후자는 주로 regular 그리고 random graphs에 대한 수학적 분야로 접근된다는 것이다.
복잡한 시스템과 이의 네트워크적 표상의 관계에 대해 알아보기 위해 C.elegans라는 아주 작은 선충을 살펴보도록 한다. 1mm길이의 이 개체는 300개 가량의 뉴런으로 이루어진 신경계를 지니고 있다. 꼬마선충은 다양한 방식으로 움직일 수 있으며 음식과 독에 대해 반응할 수 있으며 후각 경험, 촉각 경험, 짝짓기 등이 가능하다. 위 그림의 각 점들은 뉴런을 나타낸다. 뉴런들 사이의 연결은 개별 시냅스 수준에서 선충의 작은 조각의 전자 현미경 사진을 이용하여 맵핑되었다. 그림의 오른쪽에 있는 네트워크는 각 뉴런을 노드로 그리고 뉴런 사이의 각 연결을 엣지로 나타낸다. 네트워크 사이언스는 고도로 복잡한 시스템을 그래프로 맵핑할 수 있으며 이는 신경 시스템의 조직에 대한 여러가지 중요한 질문에 대답할 수 있는 수학적이고 계산적인 분석을 가능케 한다.
한가지 기억할 점은 실제 시스템에 대한 그래프 표상은 단지 모델일 뿐이라는 것이다. 따라서, 모델을 구성한 사람의 관점에서 필요하지 않은 정보들은 버려진다. 예를 들어, 위 그림에서 각 뉴런이 흥분성인지 억제성인지, 선충의 생애기 동안 이러한 연결이 계속 유지되는지에 대한 정보들은 취급되지 않는다.
따라서 네트워크 사이언스에서는 다음 질문이 아주 중요하다.
네트워크 표상이 내가 관심있는 질문에 대답하기 위해 충분한 정보를 지니고 있는가?
댓글