[논문 리뷰] Statistical Physics for Humanities: A Tutorial

Dietrich Stauffer|arXiv (Cornell University)|2011. 09. 12.

Complex Systems and Time Series Analysis인용 수 3

한 줄 요약

이 튜토리얼은 이중 변수를 사용한 에이전트 기반 시뮬레이션을 통해 사회적 및 역사적 현상을 모델링하기 위해 통계역학 기법—특히 이징 모델—을 소개한다. 포트란으로 정사각형 격자 위에 간단한 이징 모델을 프로그래밍하는 방법을 안내하며, 확률적이고 대규모 모델이 인간 시스템의 탄생 행동(예: 의견 동향 및 분리 현상)을 어떻게 포착할 수 있는지 보여준다.

ABSTRACT

The image of physics is connected with simple "mechanical" deterministic events: that an apple always falls down, that force equals mass times acceleleration. Indeed, applications of such concept to social or historical problems go back two centuries (population growth and stabilisation, by Malthus and by Verhulst) and use "differential equations", as recently revierwed by Vitanov and Ausloos [2011]. However, since even today's computers cannot follow the motion of all air molecules within one cubic centimeter, the probabilistic approach has become fashionable since Ludwig Boltzmann invented Statistical Physics in the 19th century. Computer simulations in Statistical Physics deal with single particles, a method called agent-based modelling in fields which adopted it later. Particularly simple are binary models where each particle has only two choices, called spin up and spin down by physicists, bit zero and bit one by computer scientists, and voters for the Republicans or for the Democrats in American politics (where one human is simulated as one particle). Neighbouring particles may influence each other, and the Ising model of 1925 is the best-studied example of such models. This text will explain to the reader how to program the Ising model on a square lattice (in Fortran language); starting from there the readers can build their own computer programs. Some applications of Statistical Physics outside the natural sciences will be listed.

연구 동기 및 목표

• 인문학 분야의 연구자들이 집단적 인간 행동을 모델링하기 위해 통계역학 기법을 적용할 수 있도록 돕는 것.
• 간단한 이진 모델(예: 이징 모델)이 의견 형성 및 분리 현상과 같은 복잡한 사회현상을 어떻게 시뮬레이션할 수 있는지 보여주는 것.
• 격자 기반 시뮬레이션에 중점을 두고 포트란을 사용한 에이전트 기반 모델을 구현하는 실습형 프로그래밍 튜토리얼을 제공하는 것.
• 개별 인간 행동이 결정론적임에도 불구하고 확률적이고 대규모 모델을 사용하는 것이 타당한 이유를 설명하는 것.
• 접근 가능하고 재현 가능한 코드와 개념적 프레임워크를 통해 물리학 기반 모델링과 사회과학 응용 간 격차를 메우는 것.

제안 방법

• 개별 에이전트(예: 투표자 또는 의견 소지자)를 나타내기 위해 이중 변수(스핀 상/하, 0/1)를 사용하는 것.
• 각 에이전트가 국소적 상호작용 원칙에 따라 가장 가까운 이웃과 상호작용하는 2차원 정사각형 격자 위에 이징 모델을 구현하는 것.
• 온도 유사 매개변수와 국소 상호작용 규칙에 기반해 에이전트 상태를 확률적으로 업데이트하기 위해 몬테카를로 시뮬레이션 기법을 적용하는 것.
• 상호작용 비용을 정의하기 위해 해밀토니안(에너지 함수)을 도입하여 사회적 영향력이나 타율성 모델링하는 것.
• 개별 결과가 예측 불가능하더라도 집합적 행동을 모델링하는 데에 대수법의 법칙을 정당화하는 것.
• 비특수 분야 전문가를 위한 언어 소개가 포함된 부록과 함께 물리 시뮬레이션에서 유래한 포트란 코드를 사회 모델링에 적응시키는 것.

실험 결과

연구 질문

• RQ1 통계역학 모델(예: 이징 모델)은 어떻게 인문학 분야의 사회적 역동성을 표현하기 위해 적응시킬 수 있는가?
• RQ2 이진 에이전트 기반 모델을 사용해 인간 시스템의 집단적 행동을 시뮬레이션하기 위해 필요한 최소한의 가정은 무엇인가?
• RQ3 왜 사회현상에 대해 결정론적 모델링보다 확률적이고 대규모 접근 방식이 더 효과적인가?
• RQ4 격자상의 에이전트 상호작용은 어떻게 공감대 형성 또는 분리 현상과 같은 탄생 패턴을 이끌어내는가?
• RQ5 포트란과 같은 접근 가능한 프로그래밍 도구를 사용해 이러한 모델을 실제로 구현하고 시뮬레이션하는 실질적 단계는 무엇인가?

주요 결과

• 정사각형 격자 위의 이징 모델은 의견 이동 또는 사회적 극화에 유사한 단계 전이 현상과 같은 탄생 집단 행동을 성공적으로 재현한다.
• 간단한 상호작용 규칙을 가진 이진 모델은 개별 결정이 예측 불가능하더라도 분리 현상과 의견 동향과 같은 복잡한 사회현상을 포착할 수 있다.
• 대규모 시뮬레이션은 개인 행동의 무작위성에도 불구하고 사망률이나 선거 결과와 같은 통계적으로 신뢰할 수 있는 결과를 도출한다.
• 몬테카를로 방법을 사용하면 시스템 상태를 효율적으로 탐색할 수 있어 수백만 명의 에이전트가 포함된 시스템을 시뮬레이션하는 데 유리하다.
• 포트란으로 이징 모델을 프로그래밍하면 연구자가 사회과학적 맥락에서 자신의 에이전트 기반 모델을 구축하고 테스트할 수 있는 기초 역량을 기를 수 있다.
• 민족적 분리 현상과 투표 패턴과 같은 현상을 시뮬레이션하는 데에 모델의 성공은 물리학 기반 접근 방식이 인문학 분야에서 유용함을 보여준다.