네트워크 사이언스의 역사

네트워크 사이언스의 역사

 

네트워크 사이언스는 주로 Graph Theory, 통계적 모델링, 비선형적 역동, 컴퓨터 알고리즘, 머신 러닝으로부터 컨셉과 방법을 가져오고 있다. 아래의 목록은 주요한 토픽들이다.

 

Grapy theory - Study of abstract (mostly static) graphs

Statistical mechanics - Percolation, phase transitions

Nonlinear dynamics - Contagion models, threshold phenomena, synchronization

Graph algorithms - Network paths, clustering, centrality metrics

Statistics - Network sampling, network inference

Machine learning: Graph embeddings, node/edge classification, generative models

Theory of complex systems - Scaling, emergence

 

그러나 위의 목록들과 네트워크 사이언스에는 두 개의 주요한 차이점이 있다.

 

첫째, 네트워크 사이언스는 정규 혹은 무선 그래프보다 좀 더 현실 세계에 가까운 네트워크에 초점을 맞춘다. 그래프 이론이나 물리학의 초창기 연구들은 네트워크를 단순한 구조에 가까운 것으로 가정한다.

 

둘째, 네트워크 사이언스는 특정한 응용을 위한 복잡한 네트워크를 연구하기 위한 틀을 제공한다. 이는 네트워크가 사회, 생물학, 기술 시스템 등을 나타내는지 여부와는 관계 없이 네트워크에는 주요한 유사점이 있으며 보편적인 속성이 있다는 것을 보여준다.

 

 

 

 

네트워크 사이언스는 1998 혹은 1999년에 출간된 두 개의 몹시 중요한 연구 논문으로부터 출발되었다. 먼저, Watts와 Strogatz의 Small-World property in real-world networks의 발견이다. 대략적으로 말하자면 이는 대부분의 노드 쌍들이 접은 수의 구획에서만 서로 가깝다는 것을 의미한다. 소셜네트워크를 빌려 설명하자면 이는 대부분의 사람들이 6명 정도의 지인을 통해 서로 연결되어있음을 의미한다.

 

 

 

두 번째로 영향력이 있는 논문은 Barabasi와 Albert에 의해 1999년에 출판되었다. 이 논문은 real-world networks가 Scale free 라는 것을 보여준다. 이는 노드의 연결 숫자는 매우 편향되어 있으며 대부분의 노드는 극히 적은 수의 연결을 가지고 있지만 몇개의 노드 (허브로 불리운다)는 많은 수의 연결을 지니고 있음을 뜻한다. 수학적으로 표현하자면 노드의 연결 숫자는 a power-law distribution을 따른다. Barabasi와 Albert는 이 보현적인 현상을 rich get richer로 표현했는데 네트워크가 점진적으로 성장함에 따라 새로운 노드는 이미 잘 연결된 노드에 연결을 생성하는 것을 선호하고 따라서 이미 잘 연결된 노드는 점점 연결의 수가 증가하게 되는 것이다. 이 현상은 Preferential attachment로 표현된다.