[논문 리뷰] Broken Detailed Balance and Non-Equilibrium Dynamics in Noisy Social Learning Models

Tushar Vaidya, Thiparat Chotibut외 1명|arXiv (Cornell University)|2019. 06. 27.

Opinion Dynamics and Social Influence참고 문헌 100인용 수 4

한 줄 요약

이 논문은 난류가 존재하는 연속시간, 소음이 있는 Degroot 유형의 사회적 학습 모델을 제안한다. 여기서 에이전트들은 무작위 소음이 있는 가중 평균을 통해 의견을 갱신한다. 공감이 파괴됨에도 불구하고, 시스템은 비평형 안정 상태(NESS)로 수렴하며, 이는 상호작용의 세부 균형이 깨지고 비영인 확률적 흐름이 존재함을 의미한다. 이는 지속적인 의견 상관관계를 포함한다. 이는 단순한 사회적 학습 프레임워크에서 NESS를 명시적으로 실현한 최초의 사례로, 분석적 및 수치적 검증을 통해 입증된다.

ABSTRACT

We propose new Degroot-type social learning models with feedback in a continuous time, to investigate the effect of a noisy information source on consensus formation in a social network. Unlike the standard Degroot framework, noisy information models destroy consensus formation. On the other hand, the noisy opinion dynamics converge to the equilibrium distribution that encapsulates correlations among agents' opinions. Interestingly, such an equilibrium distribution is also a non-equilibrium steady state (NESS) with a non-zero probabilistic current loop. Thus, noisy information source leads to a NESS at long times that encodes persistent correlated opinion dynamics of learning agents. Our model provides a simple realization of NESS in the context of social learning. Other phenomena such as synchronization of opinions when agents are subject to a common noise are also studied.

연구 동기 및 목표

• 소음이 있는 정보 피드백 하에서 연속시간 의견 동역학을 모델링하고, 고전적 Degroot 모델을 확장한다.
• 소음이 공감을 어떻게 파괴하는지 동시에 비평형 안정 상태(NESS)를 가능하게 하는지 조사한다.
• 소음이 있는 시스템에서 평형 분포가 비영인 확률적 흐름을 지닌 비평형 안정 상태(NESS)임을 입증한다.
• 다중 에이전트 학습에서 공통된 소음원 하에서 의견의 동기화를 탐구한다.
• 물리적으로 해석 가능하고 수학적으로 엄밀한 사회적 학습 맥락에서의 NESS 예시를 제공한다.

제안 방법

• Itô 미적분을 사용하여 연속시간 의견 동역학을 위한 확률적 미분 방정식(SDE)을 수립한다.
• 에이전트의 의견을 공통 소음원과 개인의 학습 속도에 영향을 받는 확률적 과정으로 모델링한다.
• 정적(평형) 확률 밀도를 유도하기 위해 Fokker-Planck 방정식을 사용한다.
• 정적 밀도의 정규성과 지지 영역을 평가하기 위해 칼만 제어 가능 행렬 분석을 적용한다.
• 수치 시뮬레이션을 통해 궤적, 흐름 필드, 정적 분포를 시각화하기 위해 확률적 Runge-Kutta 방법을 활용한다.
• 정적 흐름(유량) 필드를 분석하여 세부 균형의 붕괴를 탐지하고 비평형 행동을 정량화한다.

실험 결과

연구 질문

• RQ1 사회적 학습 모델에서 소음이 있는 정보 소스가 공감 대신 비평형 안정 상태(NESS)를 초래할 수 있는가?
• RQ2 공통 소음이 있는 의견 동역학에서 세부 균형이 깨지는 원리는 무엇이며, 이는 상관관계 구조에 어떤 함의를 지닌다?
• RQ3 학습 속도는 공통 소음에 대한 민감도와 변동성에 대한 취약도를 결정하는 데 어떤 역할을 하는가?
• RQ4 에이전트가 공통 소음 소스에 노출되었을 때, 어떤 조건에서 의견이 동기화되는가?
• RQ5 정적 분포와 흐름 필드는 지속적인 상관관계와 비평형 동역학을 어떻게 반영하는가?

주요 결과

• 시스템은 비영인 확률적 흐름 고리로 특징지어지는 비평형 안정 상태(NESS)인 정적 분포로 수렴한다.
• 정적 분포는 단위 공간에서 비영인 흐름 필드로 인해 깨진 세부 균형을 보이며 확인된다.
• 정적 분포의 공분산 행렬은 에이전트의 의견 간 두 시점 상관관계를 포함하며, 고유 방향이 더 빠른 학습자 쪽으로 회전한다.
• 에이전트가 공통 소음 소스에 노출될 경우 의견의 동기화가 발생하며, 이 동기화 정도는 학습 속도와 소음 강도에 따라 달라진다.
• 칼만 제어 가능 행렬 분석은 에이전트가 최소한으로 상호작용하거나 동일한 학습 속도를 가질 경우 점점 더 낮은 차원의 부분공간으로 수렴할 수 있음을 드러낸다.
• 수치 시뮬레이션은 경험적 정적 히스토그램과 분석적으로 예측된 공분산 행렬 C*를 가진 가우시안 분포 간의 일치를 확인한다.