[논문 리뷰] Generating Similarity Map for COVID-19 Transmission Dynamics with Topological Autoencoder

Pitoyo Hartono|arXiv (Cornell University)|2020. 04. 03.

Fractal and DNA sequence analysis참고 문헌 7인용 수 10

한 줄 요약

이 논문은 240개 이상의 국가에서 수집한 시간 시리즈 데이터를 바탕으로 글로벌 코로나19 전파 역학의 유사성 맵을 생성하기 위해 토폴로지 자동에코더(TA)를 제안한다. 감염자 수 궤적의 저차원 토폴로지 표현을 학습함으로써, 전파 패턴이 유사한 국가들이 공간적으로 인접한 클러스터로 시각화되며, 이는 변화하는 글로벌 역학을 드러내고, 서로 다른 내부 표현을 통해 억제 조치 결과를 직관적으로 비교할 수 있게 한다.

ABSTRACT

At the beginning of 2020 the world has seen the initial outbreak of COVID-19, a disease caused by SARS-CoV2 virus in China. The World Health Organization (WHO) declared this disease as a pandemic on March 11 2020. As the disease spread globally, it becomes difficult to tract the transmission dynamics of this disease in all countries, as they may differ in geographical, demographic and strategical aspects. In this short note, the author proposes the utilization of a type of neural network to generate a global topological map for these dynamics, in which countries that share similar dynamics are mapped adjacently, while countries with significantly different dynamics are mapped far from each other. The author believes that this kind of topological map can be useful for further analyzing and comparing the correlation between the diseases dynamics with strategies to mitigate this global crisis in an intuitive manner. Some initial experiments with with time series of patients numbers in more than 240 countries are explained in this note.

연구 동기 및 목표

• 국가 간 코로나19 전파 역학의 유사성과 차이를 포괄하는 시각화 도구를 개발하기 위해.
• 확진자 수 시간 시리즈를 토폴로지 공간에 매핑하여 국가별 대응 조치를 직관적으로 비교할 수 있도록 하기 위해.
• 토폴로지 자동에코더가 패닉 전파 패턴 내 잠재적 구조적 관계를 드러낼 수 있는지 탐색하기 위해.
• 유사한 역학을 보이는 국가들을 군집화하여 예측 모델링을 지원하는 기초를 마련하기 위해.
• TA 모델의 내부 표현이 국가별 전파 궤적 간 의미 있는 차이를 어떻게 캡처하는지 입증하기 위해.

제안 방법

• 이 방법은 240개 이상의 국가에서의 일일 확진자 수를 기반으로 훈련된 간소화된 비지도 학습형 소프트지도 토폴로지 자동에코더의 변종인 토폴로지 자동에코더(TA)를 사용한다.
• TA는 학습 가능한 기준 벡터를 가진 2차원 히든 뉴런 격자를 사용하며, 입력 벡터와 기준 벡터 간 유클리드 거리의 최소값을 통해 최적 매칭 유닛(BMU)을 선정한다.
• 이웃 함수 σ(j, win, t)는 BMU가 인접 뉴런에 미치는 영향을 제어하며, 코사인 감쇠 스케줄을 사용해 시간이 지남에 따라 점차 감쇠된다.
• 히든 레이어 출력 Hj는 BMU까지의 거리와 현재 이웃 크기를 기반으로 한 가우시안 유사 활성 함수를 사용하여 계산된다.
• 출력 레이어는 히든 활성화의 가중치 합을 사용해 입력을 재구성하며, 학습 가능한 출력 가중치 V_k를 사용하고, 평균 제곱오차를 최소화하기 위해 확률적 경사 하강법을 통해 모델을 훈련시킨다.
• 최종 토폴로지 맵은 각 국가를 2차원 격자 내의 위치에 할당하며, 공간적 근접도는 전파 역학의 유사성과 반비례한다.

실험 결과

연구 질문

• RQ1 토폴로지 자동에코더는 국가 간 글로벌 코로나19 전파 역학의 유사성과 차이를 효과적으로 어떻게 시각화할 수 있는가?
• RQ2 TA 모델의 내부 표현은 다양한 패닉 전파 궤적을 보이는 국가들 간의 의미 있는 차이를 어떻게 포착하는가?
• RQ3 유사성 맵 상의 국가 배치는 시간이 지남에 따라 어떻게 변화하며, 국가의 대응 전략 변화를 반영하는가?
• RQ4 유사한 전파 패턴을 보이는 국가들이 맵에서 얼마나 잘 군집화되는가? 또, 후베이나 이탈리아처럼 이질적인 국가들은 어떻게 나타나는가?
• RQ5 토폴로지 맵은 릿지 회귀나 LSTM과 같은 모델을 활용한 국가 군집화 및 시계열 예측 향상의 기초로 활용될 수 있는가?

주요 결과

• 유사한 전파 역학을 보이는 국가들, 예를 들어 한국, 영국, 벨기에 등은 맵 상에서 서로 가까이 위치해 있었고, 반면 전파 패턴이 다름을 보인 국가들, 예를 들어 한국과 영국은 공간적으로 분리되어 있었다.
• 중국 후베이 성은 패닉 초기 단계에서 빠르게 증가하는 감염자 수로 인해 조기에 이질적인 외부자로 나타났다.
• 2020년 3월 30일 기준으로 맵가 안정화되었으며, 많은 국가들이 일관된 전파 패턴에 도달했고, 독일과 스페인이 역학적으로 갈라지는 특징적인 분할이 나타났다.
• TA 모델의 내부 표현은 국가 간 전파 궤적의 의미 있는 차이를 명확히 식별했다. 예를 들어, 한국의 통제된 전파와 영국의 지속적인 증가를 비교할 수 있었으며, 이는 모델이 역학적 특징을 효과적으로 캡처할 수 있음을 보여준다.
• 미국, 이탈리아, 후베이 성은 각각 독특한 내부 표현을 보였다: 후베이 성은 안정화된 반면, 미국과 이탈리아는 급격히 증가하는 감염자 곡선을 보였다.
• 벨기에와 네덜란드 간의 맵 위치와 내부 표현에서의 유사성은 이들의 유사한 전파 역학을 확인했으며, 이는 모델의 군집화 능력이 검증됨을 뒷받침한다.