재생산지수

5 Contents

[강연] 수학으로 맞서는 불확실한 세계 by서인석|2021 서울대 자연과학 공개강연 '불확실한 세계, 그래서 과학' | 1강

현실 세계의 불확실성은 너무나 복잡하여 그 전체를 완벽히 이해하는 것은 불가능에 가깝습니다. 하지만 수학을 도구로 삼으면 복잡함 속에서도 변하지 않는 '보편적 원리'를 발견할 수 있습니다. 이는 개별적인 움직임에 매몰되지 않고 전체를 관관통하는 공통의 법칙을 찾는 과정입니다. 마치 기체 분자 하나하나의 움직임을 다 알지 못해도 기체의 전체적인 성질을 파악할 수 있는 것과 같습니다. 이러한 보편적 원리는 거친 현실의 불확실성 속에서 우리가 나아가야 할 방향을 알려주는 나침반 역할을 수행합니다. 첫 번째 보편적 원리는 '대수의 법칙'입니다. 주사위를 던지는 횟수가 늘어날수록 상황은 복잡해지는 듯 보이지만, 눈의 평균값은 이론적 기댓값인 3.5에 점점 가까워집니다. 이 원리는 잘 설계된 수학 실험뿐만 아니라 성인 남성의 몸무게와 같은 현실의 거친 데이터에서도 동일하게 성립합니다. 데이터가 충분히 쌓이면 불확실성이 줄어들고 유의미한 예측이 가능해지는 것입니다. 보편성을 가진 이 법칙 덕분에 우리는 무작위해 보이는 수치들 속에서 신뢰할 수 있는 정보를 추출하고 분석할 수 있게 됩니다. 두 번째 원리는 '갈톤-왓슨 수형도'를 통해 알 수 있는 확산의 법칙입니다. 성씨의 번성이나 바이러스의 전파처럼 확률적으로 뻗어 나가는 구조에서 가장 중요한 것은 전체가 멸종할지 혹은 무한히 확장할지 여부입니다. 놀랍게도 이를 결정하는 것은 각 개체의 복잡한 특성이 아니라, 한 명이 평균적으로 몇 명을 감염시키는지를 나타내는 '감염 재생산 지수(R)'입니다. R이 1 이하로 유지되면 확산은 결국 멈추게 됩니다. 이 보편적 원리는 정부가 방역 정책을 수립하고 상황을 점검하는 데 있어 결정적인 지표가 됩니다. 세 번째 원리는 '퍼콜레이션' 모형에서 나타나는 '상전이 현상'입니다. 격자에서 점을 지우는 비율이 특정 임계값을 넘어서는 순간, 거대했던 연결 구조가 갑자기 작은 클러스터들로 부서지는 현상을 말합니다. 이는 물이 특정 온도에서 갑자기 끓는 것과 유사한 원리입니다. 격자의 모양이 바뀌어도 이러한 급격한 변화가 일어난다는 사실 자체는 변하지 않는 보편성을 가집니다. 이러한 상전이의 원리는 다공성 매질의 배수 특성을 이해하거나, 감염병 확산을 막기 위한 집단 면역의 임계치를 계산하는 데 핵심적인 근거를 제공합니다. 수학의 세계에는 이외에도 수많은 보편적 원리가 존재합니다. 우리가 수학적 소양을 기르는 이유는 단순히 공식을 외우기 위함이 아니라, 불확실성으로 가득한 현실을 더 투명하게 바라보기 위해서입니다. 복잡한 현상 뒤에 숨겨진 단순하고 강력한 법칙을 이해할 때, 우리는 비로소 거대한 불확실성에 맞설 용기와 지혜를 얻게 됩니다. 보편적 원리는 혼란스러운 세계 속에서 우리가 길을 잃지 않도록 돕는 가장 정교한 지도이자 나침반입니다. 수학을 통해 세상을 보는 눈을 넓힌다면 불확실성은 더 이상 두려움의 대상이 아닐 것입니다.

[강연] 수학으로 맞서는 불확실한 세계  by서인석|2021 서울대 자연과학 공개강연 '불확실한 세계, 그래서 과학'

서인석

카오스재단서울대자연과학공개강연
  • 수학

[COVID-19_talk_12] An Analysis of COVID-19 Transmission Network in South Korea _Dukjin Chang | 12강

감염병의 확산은 바이러스 자체의 생물학적 특성과 이를 전파하는 사회적 네트워크의 결합으로 이루어집니다. 현재 많은 관심이 집중되는 백신과 치료제는 바이러스라는 변수에 대한 직접적인 대응책이지만, 이것이 완성되어 대중화되기 전까지는 네트워크라는 또 다른 변수에 주목해야 합니다. 네트워크 분석은 감염병의 아웃브레이크나 팬데믹 양상을 결정짓는 핵심적인 요소이며, 이에 기반한 방역 전략은 바이러스의 확산을 효과적으로 저지하는 데 필수적인 역할을 수행합니다. 서울, 경기, 인천 지역의 코로나19 확진자 데이터를 분석한 결과, 전파 네트워크는 '멱함수 분포(Power Law)'라는 특정한 형태를 따르는 것으로 나타났습니다. 이는 소수의 노드가 대다수의 연결을 독점하는 '척도 없는 네트워크(Scale-free network)'의 전형적인 특징을 보여줍니다. 즉, 대부분의 확진자는 추가 전파를 거의 일으키지 않지만, 극소수의 '슈퍼 전파자' 혹은 '허브'가 수많은 사람에게 바이러스를 옮기며 전체 확산세를 주도하고 있다는 구조적 원리를 시사합니다. 이러한 네트워크의 주요 특징 중 하나는 '작은 세상(Small World)' 현상입니다. 과거 미국의 심리학자 스탠리 밀그램은 평균 6단계만 거치면 모든 사람이 연결된다는 사실을 발견했으나, 한국 사회는 이보다 훨씬 좁은 3.6단계의 분리를 보여주는 것으로 분석되었습니다. 이는 감염병 확산 시기에 매우 위협적인 요소로 작용할 수 있습니다. 지역사회 감염이 단 몇 단계만 진행되어도 바이러스가 전국적으로 무작위하게 퍼져나갈 수 있는 고도의 연결성을 내포하고 있기 때문입니다. 네트워크의 또 다른 특징은 '무작위 공격에 대한 강건성'입니다. 인터넷망처럼 멱함수 분포를 따르는 구조는 무작위적인 노드 제거에는 쉽게 붕괴하지 않는 특성을 가집니다. 소규모 감염이 끊이지 않고 지속되는 이유도 이러한 네트워크의 강건함과 관련이 있습니다. 그러나 이 구조는 '조준 공격'에는 매우 취약합니다. 연결선이 가장 많은 상위 노드들을 집중적으로 찾아내어 차단할 경우, 전체 네트워크의 상당 부분을 효과적으로 무력화하여 바이러스의 전파 경로를 봉쇄할 수 있습니다. 실제 데이터를 바탕으로 모의실험을 진행한 결과, 전파 수 기준 상위 1%의 노드만 제거해도 확진자 수는 약 46% 감소하는 것으로 나타났습니다. 만약 상위 5%를 제어할 수 있다면 확진자 수는 70%, 전파 횟수는 무려 78%까지 줄어듭니다. 이는 백신이나 치료제가 부족한 상황에서도 네트워크의 핵심 허브를 찾아내어 관리하는 것만으로도 감염병의 확산을 극적으로 저지할 수 있음을 입증합니다. 과학적 데이터 분석에 기반한 정밀한 방역 체계 구축이 무엇보다 시급한 이유입니다. 효율적인 백신 투여 전략에서도 네트워크 분석은 중요한 통찰을 제공합니다. '우정의 역설'에 따르면, 무작위로 선택된 사람보다 그 사람의 친구가 더 많은 친구를 가질 확률이 높습니다. 따라서 제한된 수량의 백신을 무작위로 배분하기보다, 선택된 사람의 지인에게 투여하는 방식이 전파 허브를 타격할 확률을 수 배 이상 높여줍니다. 이는 팬데믹이라는 위기 상황에서 타인에게 백신을 양보하는 행위가 결국 공동체 전체를 보호하는 과학적 연대가 될 수 있음을 보여주는 흥미로운 사례입니다. 기초 감염 재생산 지수인 R0는 유용한 지표지만, 네트워크의 다이내믹스에 따라 현실을 과대평가할 가능성이 존재합니다. 멱함수 분포 하에서는 바이러스 역시 전파를 위해 허브를 찾아야 하는 전략적 어려움을 겪기 때문입니다. 따라서 향후 방역 정책은 단순한 일률적 거리두기를 넘어, 전파 네트워크 데이터를 실시간으로 구축하고 분석하는 방향으로 진화해야 합니다. 고위험 집단과 장소를 정밀하게 식별하는 과학 기반 방역만이 사회적 비용을 최소화하고 일상을 지키는 길입니다.

[COVID-19_talk_12] An Analysis of COVID-19 Transmission Network in South Korea _Dukjin Chang

장덕진

카오스재단코로나19 과학토크
  • 생명과학
  • 융합

[코로나TALK-12] Small World!, 코로나도 네트워크 문제였어! _장덕진 교수 | 12강

감염병의 확산은 단순히 바이러스의 생물학적 특징에만 의존하지 않습니다. 모든 종류의 감염은 바이러스와 그것이 퍼져나가는 통로인 네트워크의 결합으로 이루어집니다. 백신이나 치료제가 바이러스를 직접 겨냥하는 대책이라면, 네트워크 분석은 바이러스가 확산되는 경로를 차단하는 전략적 토대가 됩니다. 특히 백신 개발과 보급에 상당한 시간이 소요되는 상황에서, 전파 네트워크의 역동성을 이해하고 이에 기반한 방역 정책을 병행하는 것은 감염병 통제의 핵심적인 열쇠가 됩니다. 네트워크를 통한 전파는 비단 코로나19만의 문제가 아닙니다. 과거 사스나 메르스 유행 당시에도 소수의 슈퍼 전파자가 전체 감염의 절반 이상을 차지하는 양상이 관찰되었습니다. 심지어 비만이나 말 독감 같은 현상조차 네트워크를 통해 확산된다는 연구 결과가 존재합니다. 이러한 선행 연구들은 감염병의 양상이 네트워크 구조에 따라 달라지며, 그에 맞춰 방역 전략도 수정되어야 함을 시사합니다. 따라서 전파 네트워크를 분석하는 것은 단순한 학술적 호기심을 넘어 실질적인 방역 효율성을 높이는 과정입니다. 서울과 경기, 인천 지역의 데이터를 분석한 결과, 코로나19 전파 네트워크는 '멱함수 분포'를 따르는 '척도 없는 네트워크'의 특성을 보입니다. 이는 대부분의 노드는 연결선이 적지만, 극소수의 노드가 수많은 연결선을 가진 '허브' 역할을 한다는 의미입니다. 실제로 상위 30개의 노드가 수백 명에게 바이러스를 전파하는 구조가 확인되었습니다. 이러한 수학적 구조를 이해하면 감염병이 단순히 무작위로 퍼지는 것이 아니라, 특정한 법칙 아래 움직이고 있음을 알 수 있으며 이는 정밀한 방역의 근거가 됩니다. 척도 없는 네트워크의 주요 특징 중 하나는 '작은 세상 현상'입니다. 미국 사회가 평균 6단계를 거치면 모두 연결된다는 연구가 있듯이, 한국 사회는 그보다 더 좁은 3.6단계의 분리 구조를 가지고 있습니다. 이러한 높은 연결성은 감염병 확산 시기에 매우 위협적인 요소로 작용합니다. 지역사회 감염이 발생할 경우 단 몇 단계만 거쳐도 전국적으로 무작위 확산이 일어날 수 있기 때문입니다. 따라서 우리 사회의 촘촘한 네트워크 구조는 방역 당국이 더욱 신속하고 선제적인 대응을 해야 하는 이유를 뒷받침합니다. 네트워크 구조는 외부 공격에 대해 이중적인 면모를 보입니다. 무작위적인 노드 제거에는 전체 시스템이 붕괴하지 않고 견디는 강한 내성을 지니지만, 연결망의 핵심인 허브를 겨냥한 '조준 공격'에는 매우 취약합니다. 현재 소규모 집단 감염이 끊이지 않고 지속되는 이유는 네트워크가 무작위 공격에 강한 특성을 가졌기 때문일 수 있습니다. 반대로 상위 1%의 핵심 전파 경로만 정확히 찾아내어 차단할 수 있다면, 전체 네트워크의 절반 이상을 무력화하여 바이러스의 확산을 극적으로 저지하는 것이 가능해집니다. 시뮬레이션 결과에 따르면 전파 수 기준 상위 5%의 노드만 제어해도 전체 확진자 수를 약 70%까지 줄일 수 있습니다. 이는 한정된 자원을 효율적으로 배분해야 하는 방역 현장에서 매우 중요한 시사점을 줍니다. 예를 들어 백신이 부족한 상황에서는 무작위 추첨보다 '우정의 역설' 원리를 이용해 네트워크의 허브에 위치한 이들에게 우선 투여하는 것이 훨씬 효과적입니다. 이러한 선택적 면역 전략은 수학적 효율성을 넘어, 공동체의 안전을 위해 서로가 연결되어 있음을 확인하는 사회적 연대의 계기가 되기도 합니다. 효과적인 방역을 위해서는 바이러스 자체에 대한 대응만큼이나 정밀한 네트워크 통제가 필요합니다. 특정 집단이나 지역을 통째로 격리하는 방식에서 벗어나, 전파 위험이 높은 구체적인 조건과 장소를 데이터로 식별하여 정밀 타격하는 방식으로 진화해야 합니다. 이를 위해서는 파편화된 확진자 정보를 실시간으로 통합하고 체계적인 전파 네트워크 데이터를 구축하는 국가적 노력이 시급합니다. 과학적 근거에 기반한 정밀 방역 체계야말로 포스트 코로나 시대에 우리가 나아가야 할 진정한 복지 국가의 모습입니다.

[코로나TALK-12] Small World!, 코로나도 네트워크 문제였어! _장덕진 교수

장덕진

카오스재단코로나19 과학토크
  • 생명과학
  • 융합

[ENG 1-2] COVID-19_Nudging Data Science-Based Exit Policycrafting | 2세션 ③

현대 사회에서 정책 결정의 핵심은 객관적인 증거에 기반한 '증거 기반 정책'입니다. 이는 1997년 영국에서 처음 정립된 개념으로, 한국은 2007년부터 이를 도입하여 미국보다 앞서 체계적인 기틀을 마련해 왔습니다. 특히 감염병 확산과 같은 국가적 위기 상황에서 과학적 데이터에 근거한 의사결정은 불확실성을 해소하고 효율적인 대응 방안을 마련하는 데 필수적입니다. 통계적 방법론과 혁신적인 연구를 통해 미래를 예측하는 것은 단순한 수치 계산을 넘어 국가의 안녕을 지키는 중요한 토대가 됩니다. 감염병 확산을 이해하고 통제하기 위한 핵심 지표는 감염재생산지수(R)입니다. 이는 감염 확률(P), 접촉 빈도(C), 감염 지속 기간(D)의 곱으로 산출됩니다. 손 씻기와 마스크 착용은 감염 확률을 낮추고, 사회적 거리두기는 접촉 빈도를 줄이는 역할을 합니다. 또한 한국의 강점인 '3T 시스템'은 신속한 검사와 추적, 치료를 통해 감염 지속 기간을 단축하는 데 기여합니다. 이러한 요소들을 명확히 이해하고 측정하는 것은 방역 조치의 당위성을 확보하고 대중의 자발적인 참여를 이끌어내는 과학적 근거가 됩니다. 미래의 위기에 선제적으로 대응하기 위해 한국과 캐나다 연구진은 공동으로 감염병 예측 모델링을 수행해 왔습니다. 특히 IDEA 모델은 역학 기반의 SIR 모델 원리를 반영하여 감염의 기하급수적인 증가나 감소를 정밀하게 예측합니다. 감수성자, 감염자, 회복자의 관계를 분석함으로써 감염재생산지수가 1보다 큰지 작은지를 판단하고, 이를 통해 방역 정책의 효과를 시뮬레이션할 수 있습니다. 이러한 과학적 모델링은 단순한 추측이 아닌, 데이터에 기반한 정교한 분석을 통해 정책 입안자들이 최적의 봉쇄 완화 시점이나 강화 시점을 결정하도록 돕습니다. 실제 한국의 코로나19 대응 과정에서 예측 모델링의 정확도는 매우 높게 나타났습니다. 3월 초에 예측한 확진자 발생 추이와 정점 시기는 실제 결과와 상당히 유사했으며, 이는 선제적인 방역 조치가 얼마나 효과적이었는지를 증명합니다. 만약 아무런 대응이 없었다면 확진자 수가 수백만 명에 달했을 것이라는 시뮬레이션 결과는 과학적 대응의 중요성을 다시금 일깨워 줍니다. 또한 팬데믹은 한 국가만의 문제가 아니기에, 글로벌 확산 추세를 함께 고려하며 국지적인 소규모 확산에 대비하는 동적 사회적 거리두기 전략이 필요합니다. 데이터 과학과 인공지능 기반의 예측 모델링은 앞으로 다가올 새로운 위기 대응에 있어 더욱 중추적인 역할을 할 것입니다. 하지만 기술보다 더 중요한 것은 이를 설계하고 정책에 반영할 수 있는 '사람'입니다. 증거 기반 정책에 능숙한 전문가와 데이터를 정교하게 다루는 모델러, 그리고 정책 결정자 간의 긴밀한 협력이 이루어질 때 비로소 데이터 경제와 과학적 방역의 시너지가 발생합니다. 결국 미래의 위기를 극복하는 힘은 정밀한 데이터 분석 역량을 갖춘 인재를 양성하고 이들의 지혜를 모으는 데서 시작됩니다.

[ENG 1-2] COVID-19_Nudging Data Science-Based Exit Policycrafting

전영일

카오스재단코로나19 과학토크
  • 생명과학
  • 융합

[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