[논문 리뷰] Systems poised to criticality through Pareto selective forces

Luís F. Seoane, Ricard V. Solé|arXiv (Cornell University)|2015. 10. 29.

Advanced Thermodynamics and Statistical Mechanics참고 문헌 46인용 수 11

한 줄 요약

이 논문은 다목적 최적화가 동시에 이루어지는 파레토 선택력에 의해 최적화되는 시스템이, 그들의 파레토 프론트의 기하학적 성질 덕분에 자연스럽게 임계 상태로 진화한다고 제안한다. 파레토 프론트가 평평하거나 선형일 경우, 통계역학의 상전이와 유사한 임계성을 유도하며, 이는 파워 레인지 분포와 발산하는 감도를 초래한다. 이는 네트워크와 언어와 같은 복잡계의 최대 엔트로피(MaxEnt) 모델을 통해 입증되었다.

ABSTRACT

Pareto selective forces optimize several targets at the same time, instead of single fitness functions. Systems subjected to these forces evolve towards their Pareto front, a geometrical object akin to the thermodynamical Gibbs surface and whose shape and differential geometry underlie the existence of phase transitions. In this paper we outline the connection between the Pareto front and criticality and critical phase transitions. It is shown how, under definite circumstances, Pareto selective forces drive a system towards a critical ensemble that separates the two phases of a first order phase transition. Different mechanisms implementing such Pareto selective dynamics are revised.

연구 동기 및 목표

• 파레토 최적화와 복잡계에서의 임계성 사이의 이론적 연결을 수립하기 위해.
• 다목적 선택 하에서 임계성이 제어 매개변수의 정밀조정 없이도 강건하게 나타나는 이유를 설명하기 위해.
• 자기조직화 임계성(SOC)과 고도로 최적화된 내성(HOT)을 파레토 최적화를 기반으로 하는 동일한 프레임워크 안에서 통합하기 위해.
• 최대 엔트로피(MaxEnt) 모델과 지브스 표면 기하학을 통해 평평한 파레토 프론트가 임계 행동과 대응함을 보여주기 위해.
• 실세계 시스템인 언어, 생태 네트워크, 경쟁 시장이 파레토 역학을 통해 자연스럽게 임계성을 나타낼 수 있음을 보여주기 위해.

제안 방법

• 관측된 제약 조건에서 확률 분포를 추론하기 위해 최대 엔트로피(MaxEnt) 모델을 사용하며, 라그랑주 승수는 제어 매개변수를 나타낸다.
• 지브스 표면을 통해 시스템의 열역학적 행동을 모델링하며, 평형 상태는 마이크로칸노니컬 군집의 볼록껍질 위에 위치한다.
• 임계성을 기하학적 조건으로 정의한다: 엔트로피-에너지 곡선의 두 번째 도함수가 0이 될 때 감도가 발산한다 ($d^2\bar{s}/d\epsilon^2 = 0$).
• 파레토 프론트를 지브스 표면과 유사한 기하학적 대상으로 간주하며, 평평함이 임계 행동을 의미함을 설명한다.
• 제약 최적화를 적용하여 파레토 최적의 네트워크와 언어를 생성하고, 평평한 프론트가 파워 레인지 통계를 유도함을 보여준다.
• 자연 이미지, 스파iking 뉴런, 언어, 생태 인구와 같은 실증 시스템에 이 프레임워크를 확장하여, MaxEnt 추론을 통해 임계성을 검증한다.

실험 결과

연구 질문

• RQ1 파레토 선택력은 제어 매개변수의 정밀조정 없이도 복잡계를 자연스럽게 임계 상태로 이끌 수 있는가?
• RQ2 다수의 최적화 목표를 가진 시스템에서 파레토 프론트와 임계성 사이의 기하학적 관계는 무엇인가?
• RQ3 파레토 프론트의 평탄함은 파워 레인지 분포와 발산하는 감도의 발생과 어떻게 관련이 있는가?
• RQ4 동일한 이론적 프레임워크가 자기조직화 임계성(SOC)과 고도로 최적화된 내성(HOT)을 파레토 최적화의 서로 다른 표현으로 통합할 수 있는가?
• RQ5 실세계 시스템인 언어, 생태 네트워크, 경쟁 시장이 기저의 파레토 선택 역학으로 인해 임계성을 나타내는가?

주요 결과

• 다목적 최적화에서 평평한 파레토 프론트는 엔트로피-에너지 함수의 두 번째 도함수가 0이 되는 임계 상태에 해당하며, 이는 감도의 발산과 파워 레인지 행동을 초래한다.
• 파레토 프론트가 선형일 경우, 해당 MaxEnt 모델은 일반화된 지프 분포를 생성하며, 파레토 최적화와 경험적 파워 레인지 사이의 연결 고리를 형성한다.
• 복잡한 네트워크와 언어 모델과 같은 시스템이 파레토 제약 하에서 최적화될 경우, 파워 레인지 통계와 임계 지수를 통해 임계성이 입증된다.
• 이 프레임워크는 SOC와 HOT을 통합하며, 둘 다 파레토 최적화에서 유래함을 보여준다: SOC는 동적 조정을 통해, HOT는 제약 설계를 통해, 둘 다 파레토 프론트가 평평할 경우 임계성을 유도한다.
• 자연 이미지, 스파킹 뉴런, 생태 인구의 실증 데이터에서, 파레토 프론트 근처의 MaxEnt 모델이 임계 행동을 보이며 이 이론의 강건성을 뒷받침한다.
• 직선 파레토 프론트 위에 위치하고 파레토 효율적인 경쟁 시장은 MaxEnt 추론 하에 임계적으로 나타날 것으로 예측되며, 이는 마이크로경제학적 평형과 통계역학을 연결한다.