석사 과정 스토리 #1

프롤로그

당분간 정말로 별거는 아니지만, 제가 석사 4기 (2년) 동안 있었던 일들에 대해 간단하게 정리해보고자 해요.

정말 지루하고 재미없을 수도 있지만, 재미있게 봐주시길 바랍니다~ㅎㅎ

석사 1기

다시 보니 네트워크 이론에 대한 기본적인 공부

석사 1기 때는 연구 주제를 제대로 잡기 위해서 몸부림쳤던 것 같다. 그러는 과정 속에서 많다면 많은 것들을 습득했던 것 같다.

제일 힘들었던 점은 1주일에 한 번 씩 있는 랩미팅과 처음 해보는 실험 조교에 적응하는 것이었다.

정말 지금 와서 생각해보면, 랩미팅 정말 대충 준비했던 것 같다. 사실 그 때 당시에는 발표를 하기 위해 어떤 것을 준비해야 하는지 조차 몰랐던 것 같다.

당연히, 매주 랩미팅은 고통의 연속이었다. 내가 발표를 했지만, 무슨 발표를 하는지 본인도 몰랐다! 마치 혼돈과 카오스처럼.. 듣는 사람도 혼돈이었고 발표하는 내 머릿속도 카오스였다!

그러나, 연구 주제를 찾기 위해 여러 시도들은 꾸준히 하고 있었다. 다양한 네트워크 모형들을 C언어로 구축했다. (N-dimensional Square Lattice, Erdos-Renyi Random Network, Barabasi-Albert Network, Static Network)

Breadth First Search 알고리즘이 Network Burning에 사용된다고 해서 C언어로 구현해 놨다. (언젠가 써 먹겠지라는 생각으로 구현했지만, 결국 안 썼다~)

Axelrod 모형이라고, 문화 전파 모형이 있는데, 이 모형을 C언어 기반으로 구현했다.

간단하게 말하면, A, B, C라는 사람이 있을 때, 각 사람의 넷플릭스 시청 시간, 치킨 선호도, 알코올 주량을 각각 상,중,하로 매길 수 있을 것이다.

A는 B, C와 친구인데, B, C의 넷플릭스 시청 시간과 치킨 선호도 알코올 주량이 전부 유사하다고 하자. A는 B, C와 치킨 선호도만 다르다고 하자.

고전적인 Axerlrod 모형에 따르면, A는 B, C의 치킨 선호도의 영향을 받아 결국 전체의 특성들이 같아지게 수렴한다고 한다.

하지만, 이는 정말로 비현실적이다. 따라서 졸업하신 연구실 형 중에 조금 현실적인 내용을 반영해서 사람마다 문화 수용에 배타적인 경향이 있을 수도 있다는 것을 반영하여 연구를 하신 분이 있다! (이것도 구현은 해봤다. 정말 재미있게도, 이 모델은 하나의 문화 특성으로 수렴하지 않는다. 여러 문화 특성 그룹들이 나타났다가 사라지기도 하고 그런다!)

Majority Vote 모형도 구현해봤다.

이것도 Axelrod 모형과 유사한 모형이다. 문화 특성이 하나밖에 없고, 상, 하 밖에 없다고 생각하면 된다. 이름과 걸맞게 주변 사람들의 다수결을 따라 의견이 바뀌는 모형이다.

Multistate Majority Vote 모형도 구현해봤다.

이것은 Axelrod 모형과 Majority Vote 모형 사이 그 어딘가에 위치해 있다. 문화 특성은 하나밖에 없지만, 상, 중, 하 등 여러 상태가 존재할 수 있다.

Scaling Theory에 대한 기본적인 공부도 했다.

기본적으로, 네트워크에서 일어나는 다양한 현상들은 네트워크의 크기(노드의 개수, 점의 개수)에 의존적이다. 따라서 일반적으로는 네트워크 크기를 바꿔가면서 현상들을 관찰한다. 그리고 그랬을 때 크기와 관측 결과 간의 관계 식을 발견하는 과정에서 Scaling Theory가 사용된다. (너무 대충 설명했다)

대강 이 정도 했다. 그러나, 정말 하고 싶은 연구 주제는 결국 찾지 못했다고 한다...

To be continued..