[논문 리뷰] Agent-Based Modelling: An Overview with Application to Disease Dynamics

Affan Shoukat, Seyed M. Moghadas|arXiv (Cornell University)|2020. 07. 08.

COVID-19 epidemiological studies참고 문헌 69인용 수 6

한 줄 요약

이 논문은 전염병 역학을 중심으로 한 에이전트 기반 모델링(ABM)을 위한 이론적 및 계산적 프레임워크를 제시하며, 개인 수준의 상호작용이 어떻게 집단 수준의 패턴을 생성하는지 보여준다. 부분 재귀 함수와 마르코프 과정을 사용하여 형식적 기반을 구축하고, 전염병 확산을 시뮬레이션하여 기본 재생수 R₀ = 1.6를 달성하도록 전파 확률을 校정한다.

ABSTRACT

Modelling and computational methods have been essential in advancing quantitative science, especially in the past two decades with the availability of vast amount of complex, voluminous, and heterogeneous data. In particular, there has been a surge of interest in agent-based modelling, largely due to its capabilities to exploit such data and make significant projections. However, any well-established quantitative method relies on theoretical frameworks for both construction and analysis. While the computational aspects of agent-based modelling have been detailed in existing literature, the underlying theoretical basis has rarely been used in its construction. In this exposition, we provide an overview of the theoretical foundation of agent-based modelling and establish a relationship with its computational implementation. In addition to detailing the main characteristics of this computational methodology, we illustrate its application to simulating the spread of an infectious disease in a simple, dynamical process. As the use of agent-based models expands to various disciplines, our review highlights the need for directed research efforts to develop theoretical methods and analytical tools for the analysis of such models.

연구 동기 및 목표

• 부분 재귀 함수와 마르코프 과정에 기반한 에이전트 기반 모델링(ABM)의 이론적 기초를 확립하기 위해.
• 특히 복잡한 적응 시스템에서 계산적 구현과 이론적 분석 사이의 격차를 메우기 위해.
• 실제 이질성과 확률적 성격을 반영하여 전염병 확산을 시뮬레이션하는 데서 ABM의 유용성을 입증하기 위해.
• ABM의 적용이 다양한 분야로 확산됨에 따라 이론적 및 분석적 도구에 대한 지속적인 연구의 필요성을 강조하기 위해.
• 모델의 타당성과 예측 가능성 보장을 위해 실제 역학적 지표인 R₀와 일치하도록 ABM를 校정하기 위해.

제안 방법

• 부분 재귀 함수와 마르코프 체인 과정을 사용하여 ABM를 형식화함으로써 이론적 기반을 제공하기 위해.
• 개별 에이전트가 인간을 나타내며, 각각 감염 가능 상태, 감염 상태, 회복 상태 등의 정의된 규칙을 따르는 확률적 에이전트 기반 모델을 구현하기 위해.
• 시간 단위 알고리즘을 사용하여 전파 확률 $ b $를 포함한 확률적 규칙에 따라 에이전트 상태를 업데이트하기 위해.
• 확률적 변동성을 고려하고 평균 시스템 행동을 추정하기 위해 몬테카를로 시뮬레이션(500회 반복)을 적용하기 위해.
• 모의된 $ \mathcal{R}_0 $ 가 목표값 1.6과 일치하도록 반복적으로 조정함으로써 전파 확률 $ b $ 를 校정하기 위해.
• 집합 수준의 결과를 넘어서 세부적인 통찰을 제공하기 위해 감염 사슬과 전파 사건과 같은 마이크로 수준의 동역학을 추적하기 위해.

실험 결과

연구 질문

• RQ1 부분 재귀 함수와 마르코프 과정과 같은 수학적 구조를 사용하여 에이전트 기반 모델링에 대한 형식적 이론적 기반을 어떻게 구축할 수 있는가?
• RQ2 에이전트 간 국소적이고 이질적인 상호작용을 통해 전염병 전파에서 어떻게 상위 수준의 탄생적 동역학을 ABM가 포괄할 수 있는가?
• RQ3 에이전트 기반 모델의 전파 확률을 어떻게 조정하여 $ \mathcal{R}_0 = 1.6 $ 와 같은 목표 역학 지표를 일치시킬 수 있는가?
• RQ4 방정정식 기반 모델이 ABM에서 관찰되는 복잡한 시스템 행동을 재현하는 데에서 어떤 한계를 지니는가, 특히 확률적 구현에서?
• RQ5 실제 응용에 맞게 ABM를 확장할 때 신뢰성과 효율성을 확보하는 데 있어 계산적 및 방법론적 과제는 무엇인가?

주요 결과

• 교정된 전파 확률 $ b = 0.047 $ 를 사용하여 ABM는 500회의 몬테카를로 시뮬레이션 동안 평균 $ \mathcal{R}_0 = 1.6 $ 를 도출하여 전염병 확산을 성공적으로 시뮬레이션하였다.
• 확률적 성격으로 인해 각 개별 시뮬레이션 런은 다양한 감염 곡선을 생성하였으며, 많은 전염병은 이차 전파가 없어 조기에 소멸되었다.
• 모든 시뮬레이션 런의 평균은 많은 개별 실현치보다 낮은 피크 유병률을 보였는데, 이는 초기의 확률적 멸종 영향을 반영한 것이다.
• ABM는 집합 수준의 결과를 넘어서 감염 사슬과 전파 원천과 같은 마이크로 수준의 관측 가능성을 제공하였으며, 이는 기존의 방정정식 기반 모델에서는 확보할 수 없는 것이다.
• 에이전트 기반 모델에서 관찰된 특정 행동 패턴을 재현하지 못한, 예를 들어 질라피 알고리즘과 같은 방정정식 기반 모델의 확률적 구현은 ABM와의 동역학적 본질적 차이를 시사한다.
• 본 연구는 ABM의 신뢰성, 효율성, 적응 가능성 향상을 위한 추가적인 이론적 발전의 필요성을 강조한다.