SIR

4 Contents

[강연] 미분방정식과 충격파? 그 충격적인 관계 1_by 배명진 / 2024 카오스강연 '세상에 나쁜 수학은 없다' 시즌2 2강 첫 번째 이야기 | 2강 ①

알베르트 아인슈타인은 세상이 특정한 시스템으로 이루어져 있으며, 이를 이해하기 위해 방정식을 사용한다고 말했습니다. 우리가 마주하는 현실은 끊임없이 변화하는 복잡한 요소들로 가득 차 있지만, 수학은 그 이면의 질서를 포착해내는 강력한 도구가 됩니다. 특히 세상을 이해하는 데 필수적인 도구로 꼽히는 미분 방정식은 단순한 수식을 넘어 사회 현상이나 물리적 변화를 설명하고 미래를 예측하는 데 중요한 역할을 수행합니다. 이는 현대 과학이 세상을 바라보는 가장 정교한 렌즈라고 할 수 있습니다. 미분 방정식의 기초가 되는 미적분은 본래 움직이는 세계를 이해하기 위해 탄생했습니다. 일주일 동안의 몸무게 변화를 예로 들면, 매 순간의 변화량을 따지는 것이 미분이고 그 변화량을 합산하여 전체적인 추이를 파악하는 것이 적분의 개념입니다. 인구 변화에서도 매달 늘어나는 인구수는 미분으로, 이를 바탕으로 연말의 총인구를 예측하는 것은 적분으로 이해할 수 있습니다. 이처럼 미적분은 우리 주변에서 일어나는 모든 동적인 변화를 수치화하고 분석할 수 있는 기본 틀을 제공합니다. 미분 방정식은 관찰된 현상을 수식화하여 미래를 예측하는 것을 궁극적인 목적으로 합니다. 하늘을 나는 글라이더의 매 순간 속도를 측정하여 앞으로의 궤적을 추적하는 과정이 대표적인 예시입니다. 현재의 데이터를 바탕으로 어떤 일이 벌어질지 미리 계산해내는 이 과정은 과학적 탐구의 핵심이라 할 수 있습니다. 단순한 현상 기록에 그치지 않고, 수립된 모델을 통해 아직 도달하지 않은 미래의 상태를 논리적으로 도출해낸다는 점에서 미분 방정식은 실용적인 가치와 학문적 깊이를 동시에 지닙니다. 미분 방정식은 포함된 변수의 개수에 따라 크게 상미분 방정식과 편미분 방정식으로 나뉩니다. 상미분 방정식은 함수가 시간과 같은 단 하나의 변수에만 의존하는 경우를 다루며, 비교적 단순한 시스템의 흐름을 설명할 때 주로 사용됩니다. 반면 편미분 방정식은 시간뿐만 아니라 3차원 공간의 위치처럼 여러 변수를 동시에 고려해야 하는 복잡한 현상을 설명하는 데 필수적입니다. 우리가 사는 세계는 다차원적이기 때문에, 분석하려는 현상의 특성에 맞춰 적절한 방정식을 선택하는 것이 연구의 시작이 됩니다. 감염병 확산 모델인 SIR 모델은 상미분 방정식의 대표적인 활용 사례입니다. 이는 인구 집단을 감염 가능 대상자, 감염자, 회복자의 세 그룹으로 나누어 시간에 따른 변화를 추적합니다. 감염자 수의 변화량은 현재 감염자와 감염 가능 대상자의 비율에 따라 결정되며, 이를 통해 팬데믹의 정점이나 종식 시점을 예측할 수 있습니다. 이러한 수학적 모델링은 실제 통계 자료와 결합하여 사회적 위기 상황에서 방역 정책을 수립하고 판단을 내리는 중요한 과학적 근거가 되어줍니다. 공간적 확산을 설명할 때는 편미분 방정식이 등장합니다. 물에 떨어진 잉크가 퍼져 나가는 현상을 관찰할 때, 특정 지점의 농도는 시간의 흐름뿐만 아니라 공간상의 위치에 따라서도 달라집니다. 이때 시간에 따른 농도 변화와 공간에 따른 확산 비율 사이의 관계를 물리 법칙으로 정립한 것이 바로 편미분 방정식입니다. 3차원 유체의 흐름이나 열의 전달처럼 시공간이 복잡하게 얽힌 물리 현상을 정확하게 묘사하기 위해서는 이러한 다변수 미분 구조에 대한 깊이 있는 이해가 반드시 필요합니다. 마지막으로 미분 방정식은 구조에 따라 선형과 비선형으로 구분됩니다. 선형 방정식은 입렧값의 합이 결괏값의 합과 일치하는 중첩의 원리가 적용되어 비교적 해를 구하기 쉽고 예측이 명확합니다. 하지만 실제 자연 현상의 많은 부분은 변수들이 복잡하게 얽힌 비선형 구조를 띠고 있습니다. 비선형 방정식은 작은 변화가 예상치 못한 큰 결과를 초래하기도 하여 분석이 매우 까다롭지만, 현실 세계의 역동성을 가장 정밀하게 담아낼 수 있다는 점에서 현대 수학과 과학의 핵심적인 연구 대상이 됩니다.

[강연] 미분방정식과 충격파? 그 충격적인 관계 1_by 배명진 / 2024 카오스강연 '세상에 나쁜 수학은 없다' 시즌2 2강 첫 번째 이야기

배명진

카오스재단카오스강연
  • 수학

[코로나TALK-17] 만약 사회적 격리를 하지 않았다면? _강병남 교수 | 17강

코로나19 팬데믹은 현대 사회의 복잡한 연결망을 통해 전례 없는 속도로 확산되었습니다. 이러한 감염병의 흐름을 정확히 파악하기 위해 물리학의 네트워크 과학이 중요한 도구로 활용됩니다. 네트워크 과학에서는 사람을 노드로, 접촉을 링크로 설정하여 바이러스의 전파 경로를 시뮬레이션합니다. 이를 통해 단순한 통계를 넘어 사회 구조적 특징이 감염 확산에 미치는 영향을 심도 있게 분석할 수 있으며, 향후 발생할 수 있는 확산 양상을 예측하는 과학적 토대를 마련합니다. 한국의 방역 체계인 K-방역은 검사, 추적, 치료라는 세 가지 단계로 요약됩니다. 특히 빅데이터를 활용한 신속한 역학 조사는 감염자의 주변 접촉자를 빠르게 격리함으로써 지역적 방역을 가능하게 했습니다. 이는 국가 전체를 봉쇄하는 전면적 봉쇄(락다운) 방식과 달리, 경제 활동을 어느 정도 유지하면서도 감염 확산을 억제하는 효율적인 전략입니다. 네트워크 관점에서 보면 이는 감염된 노드 주변의 링크를 국지적으로 차단하여 전체 네트워크로의 전파를 막는 정교한 제어 방식이라 할 수 있습니다. 감염병 확산에서 네트워크의 구조는 결정적인 역할을 합니다. 무작위적인 연결보다 특정 인물에게 연결이 집중된 스케일 프리 네트워크나, 집단 내 결속력이 강한 소셜 네트워크에서는 전파 양상이 다르게 나타납니다. 특히 사회적 연결망은 '좁은 세상'의 특성을 지니고 있어, 소수의 접촉만으로도 전체 네트워크에 바이러스가 퍼질 수 있는 구조를 갖추고 있습니다. 따라서 사회적 거리두기는 이러한 네트워크의 연결성을 의도적으로 약화시켜 전파 속도를 늦추는 필수적인 조치입니다. 정교한 시뮬레이션을 위해 기존의 SIR 모델에 격리 상태와 무증상 감염 상태를 추가한 확장 모델이 사용됩니다. 코로나19의 특징인 잠복기와 무증상 전파를 반영하여, 유증상자와 무증상자가 각각 격리되거나 전파를 지속하는 과정을 수치화합니다. 기초 재생산 지수($R_0$)가 1보다 크면 팬데믹으로 발전하는데, 전염 비율과 접촉자 수, 노출 기간을 조절함으로써 방역 정책의 효과를 검증할 수 있습니다. 이러한 수학적 모형은 실제 대규모 감염 사례의 확산 수치와도 높은 일치율을 보입니다. 시뮬레이션 결과에 따르면 격리 조치는 감염 확산 속도를 늦출 뿐만 아니라 최종 감염자 수에도 큰 차이를 만듭니다. 격리가 없는 경우 짧은 기간 내에 거의 모든 인구가 감염되는 파국적 상황에 직면하지만, 격리를 시행하면 감염되지 않은 건강한 인구를 상당 부분 보존할 수 있습니다. 또한 격리 과정에서 접촉자 조사를 병행하면 숨겨진 무증상 감염자를 찾아내어 추가 전파를 차단하는 부수적인 효과도 얻게 됩니다. 이는 의료 체계의 붕괴를 막고 방역의 지속 가능성을 확보하는 핵심적인 기제입니다. 2차 파동의 위험은 여전히 존재하며, 그 원인은 해외 유입, 소규모 집단 감염, 바이러스 변이, 그리고 무증상 감염자의 누적 등 다양합니다. 특히 가장 우려되는 시나리오는 계절 독감과 코로나19가 동시에 유행하는 상황입니다. 두 바이러스가 결합하여 폭발적인 감염을 일으킬 경우 방역 시스템에 가해지는 부하는 상상을 초월할 수 있습니다. 따라서 겨울철 독감 예방 접종과 철저한 개인위생 관리는 코로나19의 재확산을 막기 위한 전략적 방어선으로서 매우 중요한 의미를 지닙니다. 집단 면역에 도달하기 위해서는 인구의 일정 비율 이상이 면역력을 갖춰야 하며, 이를 위해 백신 보급 전략이 중요합니다. 네트워크 과학에 따르면 무작위 접종보다 연결성이 높은 노드에게 우선적으로 백신을 투여할 때 훨씬 적은 양으로도 확산을 효과적으로 억제할 수 있습니다. 또한 국지적 격리 방식은 경제가 마비되는 임계점을 피하게 함으로써 경기 회복 시간을 단축하는 경제적 이점도 제공합니다. 과학적 모델링에 기반한 정교한 방역은 생명 보호와 경제 유지라는 두 마리 토끼를 잡는 길입니다.

[코로나TALK-17] 만약 사회적 격리를 하지 않았다면? _강병남 교수

강병남

카오스재단코로나19 과학토크
  • 생명과학

[COVID-19_talk_1] Epidemic Models and Data-Driven Approaches _Beom Jun Kim | 1강

데이터는 현대 과학에서 현상을 이해하는 가장 강력한 도구입니다. 감염병 확산 역시 방대한 데이터를 통해 그 이면에 숨겨진 패턴을 찾아낼 수 있습니다. 흔히 데이터 과학 분야에서는 데이터를 깊이 분석하다 보면 결국 그 의미를 찾아낼 수 있다는 뜻으로 '데이터를 고문하면 자백한다'는 표현을 쓰기도 합니다. 하지만 데이터가 들려주는 이야기가 항상 진실은 아닐 수 있기에, 우리는 데이터에 대한 애정을 갖되 비판적인 시각으로 그 속에 담긴 진정한 스토리를 읽어내려는 노력을 멈추지 말아야 합니다. 감염병 확산 데이터는 대개 전형적인 로지스틱 곡선을 그립니다. 초기에는 확진자 수가 급격히 늘어나며 아래로 볼록한 형태를 띠지만, 확산세가 꺾이기 시작하면 곡선의 기울기가 변하여 위로 볼록한 형태로 바뀌게 됩니다. 이 과정에서 나타나는 변곡점은 감염병 통제의 중요한 지표가 됩니다. 전 세계 여러 국가의 데이터를 살펴보면 이미 안정기에 접어든 국가와 여전히 지수함수적 증가세를 보이는 국가가 명확히 구분됩니다. 단순히 확진자 수라는 숫자 자체보다 그래프의 곡선이 그리는 형태를 유심히 관찰하는 것이 현 상황을 직관적으로 이해하는 데 큰 도움이 됩니다. 지리적 면적 대신 확진자 수에 비례하여 지도를 왜곡하는 '카토그램'은 감염병의 전 지구적 이동 경로를 시각적으로 명확하게 보여줍니다. 코로나19 초기에는 중국에서 시작하여 한국을 거쳐 유럽과 미국으로 이어지는 동서 방향의 확산 축이 뚜렷하게 나타났습니다. 그러나 시간이 흐르면서 러시아, 인도, 남미 국가들의 면적이 급격히 커지는 남북 방향의 확산세가 두드러지기 시작했습니다. 이는 바이러스가 항공망을 타고 전 세계를 한 바퀴 돈 뒤, 이제는 보건 인프라가 상대적으로 취약한 지역으로까지 깊숙이 침투하고 있음을 시사하며 새로운 경각심을 일깨워 줍니다. 과학자들은 감염병 확산을 이해하기 위해 '구획 모형'이라는 이론적 모델을 사용합니다. 가장 간단한 형태인 SI 모형이나 SIR 모형은 마을 구성원들이 무작위로 섞인다는 가정하에 미감염자와 감염자의 비율로 확산 확률을 계산합니다. 현실의 복잡한 지리적 요소를 모두 반영하지는 못하지만, 이를 미분 방정식으로 풀이하면 실제 데이터와 유사한 로지스틱 곡선을 얻을 수 있습니다. 이러한 수리적 모델링은 감염병이 정성적으로 어떻게 퍼져나가는지 파악하게 해주며, 방역 정책의 효과를 가늠할 수 있는 이론적 토대를 제공합니다. 한국의 확진자 발생 패턴은 단일한 로지스틱 곡선이 아닌, 여러 개의 곡선이 중첩된 형태로 분석됩니다. 초기 소규모 발생부터 대구·경북 지역의 대유행, 그리고 수도권을 중심으로 한 확산세가 각각의 로지스틱 곡선을 형성하고 있습니다. 흥미로운 점은 뒤로 갈수록 곡선의 기울기가 완만해진다는 것인데, 이는 보건 당국의 신속한 대응과 시민들의 방역 노력이 확산 속도를 늦추는 데 실질적인 기여를 했음을 보여줍니다. 데이터는 우리가 과거에 어떤 위기를 겪었는지뿐만 아니라, 우리의 노력이 실제 확산 양상을 어떻게 변화시켰는지도 정직하게 기록하고 있습니다. 국가 간의 이동을 고려한 '메타포퓰레이션 모형'은 항공망 데이터와 같은 실제 인적 교류 패턴을 모형에 삽입하여 확산을 예측합니다. 연구 결과에 따르면 국가 간 이동을 90% 이상 제한하더라도 확산의 시작 시점을 늦출 뿐, 최종적인 확산 규모를 줄이는 데는 한계가 있습니다. 반면 여행 제한과 더불어 사회적 거리두기나 마스크 착용을 병행하여 지역 내 감염 확률을 절반으로 낮추면 최종 확산 규모를 극적으로 줄일 수 있습니다. 이는 강력한 봉쇄 정책보다 일상에서의 방역 수칙 준수가 감염병 통제에 얼마나 결정적인 역할을 하는지 과학적으로 입증해 줍니다. 감염 재생산 지수는 감염 확률, 접촉 횟수, 감염 지속 시간이라는 세 가지 요소의 곱으로 결정됩니다. 마스크 착용과 사회적 거리두기, 신속한 격리는 이 숫자들을 낮추어 감염병을 종식시키는 핵심 열쇠가 됩니다. 하지만 이러한 방역 조치들은 단순한 수학적 문제를 넘어 막대한 사회경제적 비용을 수반합니다. 따라서 미래에 다가올 또 다른 감염병에 대비하기 위해서는 물리학적 모델에 사회경제적 효과까지 통합한 확장된 형태의 모형을 준비해야 합니다. 데이터에 기반한 합리적이고 융합적인 접근만이 인류가 새로운 위기를 극복할 지혜를 제공할 것입니다.

[COVID-19_talk_1] Epidemic Models and Data-Driven Approaches _Beom Jun Kim

김범준

카오스재단코로나19 과학토크
  • 물리학
  • 생명과학

[코로나TALK-1] 코로나19 확산 모형, 김범준 교수 연구발표 | 1강

데이터 사이언스 분야에는 '데이터를 아주 오래 고문하면 데이터가 자백한다'는 흥미로운 격언이 있습니다. 이는 방대한 데이터를 끈기 있게 분석하고 이해하려 노력하다 보면 그 속에 숨겨진 진실과 패턴을 찾아낼 수 있다는 긍정적인 의미를 담고 있습니다. 감염병 확산 역시 개별적인 사례에 매몰되기보다 국가별로 축적된 방대한 데이터를 기반으로 접근할 때 비로소 전체적인 흐름을 파악할 수 있습니다. 다만 데이터가 들려주는 모든 이야기가 진실이라고 맹신하기보다, 데이터에 담긴 맥락을 세심하게 살피는 태도가 무엇보다 중요합니다. 모든 감염병 확산 데이터는 전형적인 알파벳 S자 모양의 곡선을 그리는 경향이 있습니다. 초기에는 환자 수가 급격하게 늘어나며 아래로 볼록한 형태를 띠지만, 확산이 진정세에 접어들면 곡선의 기울기가 변하며 위로 볼록한 형태로 바뀌게 됩니다. 이 과정에서 곡률이 변하는 변곡점이 존재하게 되며, 이를 통해 확산의 정점과 종료 시점을 직관적으로 이해할 수 있습니다. 국가마다 곡선의 구체적인 모양에는 차이가 있지만, 이러한 S자 곡선의 특성을 파악하는 것은 현재의 방역 상황을 진단하고 미래를 예측하는 데 핵심적인 지표가 됩니다. 감염병의 확산 양상을 시각화하는 방법 중 하나인 카토그램은 확진자 수에 비례하여 국가의 면적을 왜곡해 보여줍니다. 이를 통해 관찰한 코로나19의 초기 확산은 주로 동서 방향의 축을 따라 진행되었습니다. 중국에서 시작된 바이러스가 한국을 거쳐 유럽과 미국으로 번져나가는 과정은 지리적 거리보다 항공망 연결성이 더 큰 영향을 미쳤음을 시사합니다. 이후 4월 중순을 기점으로 확산의 축은 남북 방향으로 이동하여 러시아, 인도, 남미 국가들의 면적이 급격히 커지는 양상을 보였으며, 이는 전 지구적인 경계가 필요함을 일깨워 줍니다. 과학자들은 감염병 확산을 이해하기 위해 '구획 모형'이라는 이론적 틀을 사용합니다. 가장 대표적인 SIR 모형은 전체 인구를 미감염자(S), 감염자(I), 격리 및 회복자(R)의 세 그룹으로 나누어 이들 사이의 상호작용을 미분방정식으로 기술합니다. 이 모형은 지리적 요소를 배제한 단순한 가정을 바탕으로 하지만, 감염병 확산의 본질적인 역학을 파악하는 데 매우 유용합니다. 특히 확진 판정을 받고 격리되는 과정을 포함하는 SIR 모형은 현실의 방역 시스템이 감염 확산을 억제하는 원리를 수학적으로 명확하게 보여주는 도구가 됩니다. 한국의 확진자 발생 패턴을 분석해 보면 단일한 S자 곡선이 아닌, 여러 개의 곡선이 중첩된 형태임을 알 수 있습니다. 초기 해외 유입 사례와 대구·경북 지역의 대규모 확산, 그리고 이후 수도권을 중심으로 나타난 산발적 감염이 각각 독립적인 곡선을 형성한 것입니다. 주목할 점은 후속 곡선으로 갈수록 곡선의 기울기가 완만해졌다는 사실입니다. 이는 보건당국의 적극적인 진단과 방역 노력, 그리고 시민들의 사회적 거리두기가 실질적으로 감염 확산 속도를 늦추는 데 기여했음을 데이터로 증명하는 결과라고 볼 수 있습니다. 메타포퓰레이션 모형은 국가 간 이동 데이터를 결합하여 감염병의 전 지구적 확산을 시뮬레이션합니다. 연구 결과에 따르면, 국가 간 이동을 물리적으로 제한하는 것보다 지역 내에서의 감염 확률을 낮추는 것이 최종 확산 규모를 줄이는 데 훨씬 효과적입니다. 항공망을 통한 이동 제한은 확산 시점을 늦추어 대비할 시간을 벌어줄 뿐, 근본적인 해결책이 되기는 어렵기 때문입니다. 따라서 마스크 착용이나 사회적 거리두기와 같은 개인의 방역 수칙 준수가 전체 공동체의 안전을 지키는 데 있어 가장 강력하고 실질적인 수단이 됩니다. 감염병 대응의 핵심 지표인 재생산 지수는 한 명의 환자가 전염시키는 평균 인원수를 의미하며, 이는 감염 확률, 접촉 횟수, 격리 전 활동 기간의 곱으로 결정됩니다. 미래에 닥칠 또 다른 감염병인 '질병 X'에 대비하기 위해서는 이러한 물리적 변수뿐만 아니라 사회·경제적 비용까지 고려한 확장된 모형이 필요합니다. 이번 사태를 통해 얻은 데이터와 과학적 통찰을 바탕으로 국가 간 공조 체계를 강화하고 투명한 정보 공유 시스템을 구축한다면, 인류는 다음 팬데믹 위기 앞에서 더욱 지혜롭고 신속하게 대응할 수 있을 것입니다.

[코로나TALK-1] 코로나19 확산 모형, 김범준 교수 연구발표

김범준

카오스재단코로나19 과학토크
  • 물리학
  • 생명과학