10강 / 20강

동시에 vs 하나씩 — 갱신 방식이 답을 바꾼다

동기 · 비동기, 그리고 모형의 인공물

3강에서 우리는 모든 유전자를 같은 순간에 갱신하기로 약속했습니다. 계산이 쉬워지고 결과가 재현되니까요.

그런데 실제 세포에 그런 시계가 있을까요? 없습니다. 전사에 걸리는 시간, 번역에 걸리는 시간, 단백질이 분해되는 시간이 유전자마다 다릅니다.

그래서 대안이 있습니다 — 비동기 갱신(asynchronous update). 매 시점 한 유전자만 무작위로 골라 갱신합니다.

	동기 (synchronous)	비동기 (asynchronous)
갱신	전부 동시에	무작위로 하나씩
결과	같은 출발 → 같은 결말	같은 출발 → 여러 결말 가능
긴 진동	자주 나타난다	대개 사라진다
계산	전수 조사 가능	표본을 여러 번 돌려야 함

중요한 것은 이겁니다 — 동기 갱신에서 나온 긴 진동 중 상당수는 모형의 인공물입니다. 고정점은 대체로 살아남지만, 순환은 갱신 방식에 민감해요.

고등학생동시에 vs 하나씩

3강에서 모든 유전자를 같은 순간에 갱신하기로 약속했다. 그런데 실제 세포는 그렇지 않다.

방식	내용
동기	모두 동시에 갱신
비동기	하나씩 무작위 순서로

어느 것이 현실적인가

비동기가 더 현실적이다. 유전자마다 반응 속도가 다르니까.

더 현실적인 가정이 계산은 더 복잡하게 만든다

동기에서는 딱 떨어지던 진동이, 비동기에서는 이리저리 흩어집니다.

Python 브라우저에서 실행

import bn, random

net = bn.twin()
start = net.state(p53=1)

def async_run(net, state, n=300, seed=0):
    """매 시점 유전자 하나만 무작위로 골라 갱신한다."""
    rng = random.Random(seed)
    cur = tuple(state)
    for _ in range(n):
        g = rng.randrange(net.n)                 # 갱신할 유전자 하나
        nxt = net.step(cur)
        cur = cur[:g] + (nxt[g],) + cur[g + 1:]  # 그 자리만 갈아 끼운다
    return cur

print("동기 갱신 — 주기 4 진동 (같은 네 상태를 영원히 돈다)")
for s in net.attractor(start):
    print("   ", ", ".join(net.on_genes(s)) or "(모두 OFF)")

print()
print("비동기 갱신 — 씨앗을 바꿔 가며 300걸음 뒤 어디에 있나")
for seed in range(6):
    end = async_run(net, start, 300, seed)
    print(f"   seed={seed}  ON: {', '.join(net.on_genes(end)) or '(모두 OFF)'}")

이 결과가 중요합니다. 우리가 치료 표적을 찾을 때 근거로 삼는 암 고정점은 인공물이 아닙니다.

Python 브라우저에서 실행

import bn, random

net = bn.twin()
cancer = net.state(DDX54=1, MDM2=1, CD47=1, PDL1=1, Proliferation=1)

def async_run(net, state, n=300, seed=0):
    rng = random.Random(seed)
    cur = tuple(state)
    for _ in range(n):
        g = rng.randrange(net.n)
        nxt = net.step(cur)
        cur = cur[:g] + (nxt[g],) + cur[g + 1:]
    return cur

# 암 고정점은 비동기에서도 버티는가?
same = sum(1 for seed in range(200)
           if async_run(net, cancer, 300, seed) == cancer)
print(f"암 고정점에서 출발해 비동기로 300걸음: {same}/200 번이 제자리")
print()
print("고정점은 갱신 방식에 흔들리지 않습니다.")
print("어느 유전자를 골라 갱신해도 값이 그대로이기 때문입니다 —")
print("그것이 바로 '고정점' 의 정의니까요.")

고등학생갱신 방식이 답을 바꾼다

	동기	비동기
궤적	하나	순서마다 다름
순환 어트랙터	자주 나옴	대개 사라짐
고정점	같음	같음
계산량	적음	많음

고정점은 안 바뀐다

고정점은 어느 유전자를 갱신해도 안 변하는 상태다. 그러니 갱신 순서와 무관하다.

순환은 바뀐다

동기 갱신의 순환 중 상당수가 비동기에서는 사라진다.

즉 그 순환은 모형의 인공물 이었을 수 있다.

가정을 바꿔도 남는 결과가 진짜에 가깝다 — 고정점이 그렇다

🎮 갱신 방식 실험대

같은 출발점을 동기와 비동기로 각각 굴려 비교해 보세요.

고등학생모형의 인공물

인공물(artifact)은 모형의 가정이 만든 가짜 결과 다.

인공물의 예	어디서 오나
동기 갱신의 순환	모두가 같은 속도라는 가정
이산 시간	연속 시간을 나눈 것
0/1 만	연속 값을 이산화

어떻게 구별하나

가정을 바꿔 보고 사라지는지 본다.

결과	판단
가정을 바꿔도 남음	실재할 가능성
가정을 바꾸면 사라짐	인공물

모형의 결과가 모형의 가정에서 나온 것인지 확인하는 것이 필수 절차다

고등학생그럼 어느 것을 쓰나

상황	권장
고정점만 관심	동기 — 빠름
순환도 볼 때	둘 다
확률적 요소를 볼 때	비동기 · 여러 번 반복

이 강의의 선택

주로 동기 를 쓰되, 10강에서 비동기로 확인한다.

결론이 갱신 방식에 의존하는지 보여 주기 위해서 다.

이것이 좋은 관행이다

편한 가정으로 계산하되, 그 가정이 결과를 만들었는지 반드시 확인한다.

단순한 가정으로 계산하고 복잡한 가정으로 확인한다

🤔 확인 문제

비동기 갱신에서 같은 초기 상태를 두 번 돌리면?

🤔 확인 문제

동기 갱신 결과 중 갱신 방식에 가장 민감한 것은?

🤔 확인 문제

암 고정점이 비동기 갱신에서도 유지된다는 결과의 의미는?