[논문 리뷰] Complex Systems: A Survey

M. E. J. Newman|arXiv (Cornell University)|2011. 12. 06.

Complex Systems and Time Series Analysis참고 문헌 14인용 수 167

한 줄 요약

이 종합 검토는 상호작용하는 구성 요소가 많은 시스템에서 나타나는 탄생 현상(emergent behaviors)을 연구하는 데 사용되는 이론적 프레임워크와 계산 방법을 종합적으로 개괄한다. 다이나믹스 시스템, 네트워크 이론, 에이전트 기반 시뮬레이션에 이르기까지 주요 모델링 접근법을 정리하며, 기초적인 연구와 소프트웨어 도구를 강조하여 물리학, 생물학, 사회과학, 컴퓨터 과학 분야의 연구자들이 복잡계 분야로 진입하는 길잡이가 된다.

ABSTRACT

A complex system is a system composed of many interacting parts, often called agents, which displays collective behavior that does not follow trivially from the behaviors of the individual parts. Examples include condensed matter systems, ecosystems, stock markets and economies, biological evolution, and indeed the whole of human society. Substantial progress has been made in the quantitative understanding of complex systems, particularly since the 1980s, using a combination of basic theory, much of it derived from physics, and computer simulation. The subject is a broad one, drawing on techniques and ideas from a wide range of areas. Here I give a survey of the main themes and methods of complex systems science and an annotated bibliography of resources, ranging from classic papers to recent books and reviews.

연구 동기 및 목표

• 물리학, 생물학, 사회과학, 컴퓨터 과학 분야의 연구자들에게 복잡계 분야로의 체계적이고 접근 가능한 입구를 제공하기 위해.
• 특히 많은 에이전트 간 상호작용으로부터 발생하는 탄생 현상과 집단적 행동의 개념적 기초를 명확히 하기 위해.
• 필수 문헌—고전 논문, 책, 소프트웨어 도구—를 정리하고 주석을 달어 연구자들이 이론적이고 계산적인 환경을 탐색할 수 있도록 돕기 위해.
• 이론적 프레임워크와 실용적인 시뮬레이션 기법 사이를 연결하여, 현대 복잡계 연구에서 에이전트 기반 모델링과 계산 방법을 중심 도구로 강조하기 위해.
• 에이전트 기반 모델링, 인공 생명, 금융 시장, 생태계와 같은 시스템 분야에서의 결정적 연구와 현재의 연구 방향을 부각시켜 향후 탐구를 자극하기 위해.

제안 방법

• 다이나믹스 시스템, 통계역학, 게임 이론, 정보이론과 같은 핵심 이론적 프레임워크를 조사하고 분류하여 복잡계 분석의 기초 도구로 삼기 위해.
• 세포자동기, 네트워크 이론, 계산 복잡도 이론과 같은 주요 모델링 기법을 분류하고 검토하여 탄생 현상을 이해하기 위해.
• 특히 몬테카를로 시뮬레이션과 에이전트 기반 시뮬레이션을 중심 도구로 삼아 현실적이고 대규모 복잡계를 연구하는 데 사용되는 컴퓨터 시뮬레이션의 활용을 상세히 기술하기 위해.
• 에이전트 기반 모델(ABMs)을 단일 에이전트가 국소 규칙을 따르는 이질적이고 적응 가능한 에이전트를 모사하는 주요 방법으로 제시하여 전체적인 탄생 현상이 발생하게 함.
• 넷로고, 리패스트, 메이슨, 숍어스케이프, 티에라 등과 같은 결정적 연구 논문과 소프트웨어 도구를 주석 처리하여 연구자들이 적절한 플랫폼을 선택할 수 있도록 안내하기 위해.
• 스칼링의 분리 모델, 인공 주식시장, 인공 생명 시뮬레이션(Tierra) 등 다양한 분야의 사례 연구를 통합하여 ABM 접근법의 힘과 범위를 설명하기 위해.

실험 결과

연구 질문

• RQ1 어떤 시스템이 복잡계로 정의되며, 구성 요소 간의 상호작용으로 탄생 현상은 어떻게 발생하는가?
• RQ2 단순화된 수학적 모델과 대규모 컴퓨터 시뮬레이션은 동일한 유형의 시스템을 연구하는 데 어떻게 활용될 수 있으며, 이들 간의 상호 교환 관계는 무엇인가?
• RQ3 에코시스템, 경제, 사회 네트워크와 같은 많은 상호작용하는 에이전트를 포함한 시스템을 연구하는 데 가장 효과적인 이론적 및 계산 도구는 무엇인가?
• RQ4 에이전트 기반 모델링은 시장 변동성, 사회적 분리, 진화적 역학과 같은 현상을 이해하는 데 어떻게 기여해 왔는가?
• RQ5 다양한 분야에서 복잡계를 연구하기 시작하는 연구자들이 반드시 알아야 할 기초 논문과 소프트웨어 도구는 무엇인가?

주요 결과

• 복잡계는 개별 구성 요소의 행동만으로는 예측할 수 없는 탄생 현상을 특징으로 하며, 고체물질에서부터 인간 사회에 이르기까지 다양한 예가 존재한다.
• 통계역학, 네트워크 이론, 다이나믹스 시스템과 같은 이론적 도구는 1980년대 이후로 복잡계의 행동에 깊이 있는 통찰을 제공하였다.
• 에이전트 기반 모델링은 강력한 시뮬레이션 기법으로 부상하였으며, 스키엘링의 분리 모델과 숍어스케이프 모델과 같은 결정적 모델들은 단순한 에이전트 규칙이 복잡한 거시적 패턴을 이끌어내는 방식을 보여주었다.
• 자기 복제 프로그램이 외부 적합도 함수 없이 진화하는 인공 생명 시뮬레이션인 티에라처럼, 계산 시스템 내에서 진화적 역학이 탄생하는 것을 보여주었다.
• 넷로고, 리패스트, 메이슨과 같은 소프트웨어 도구는 교육 및 고급 연구에서 필수적이 되었으며, 재현 가능하고 시각화 가능한 시뮬레이션을 가능하게 하였다.
• 다소의 진전이 있었음에도 불구하고 이 분야는 여전히 광범위하고 개발이 덜 된 상태이며, 여전히 탐색되지 않은 광범위한 과학적 무지가 남아 있어 향후 연구에 매우 풍부한 영역이다.