1. 서론

1.1 탐구 동기

공통수학1에서 행렬을 처음 배울 때에는 수를 정리하는 계산 도구라는 인상이 강했다. 그러나 행과 열에 배치된 수가 각각 독립적인 값이 아니라 대상들 사이의 영향 관계를 담을 수 있다는 점을 이해한 뒤부터, 행렬은 실제 현상을 해석하는 언어처럼 보이기 시작했다. 특히 뇌의 신경계는 하나의 세포가 따로 작동하는 구조가 아니라 수많은 신경세포가 서로 자극하고 억제하는 연결망으로 이루어져 있으므로, 행렬로 표현하기에 적절한 대상이라고 생각했다. 수업 시간에 배운 행렬곱이 단순 연산을 넘어 상태의 변화를 나타낼 수 있다는 사실은, 뇌과학에서 말하는 회로 수준의 조절과도 자연스럽게 연결되었다.

이 주제를 고른 결정적인 이유는 신경계의 정상 작동이 강한 흥분만으로도, 강한 억제만으로도 설명되지 않는다는 점이 인상적이었기 때문이다. 뇌는 필요한 신호는 살리고 불필요한 확산은 막아야 한다. 만약 흥분성 작용이 지나치게 우세해지면 작은 자극도 회로 안에서 반복적으로 증폭될 수 있고, 반대로 억제가 지나치면 정보 전달 자체가 둔해질 수 있다. 실제 의학에서는 이런 흥분-억제 균형이 감각 처리, 주의, 기억, 운동 조절과 같은 기능 전반에 관여하며, 균형이 무너지면 발작성 활동이나 비정상적 동기화가 나타날 수 있다고 본다. 그런데 고등학교 수준에서는 이러한 내용을 개념적으로만 접하는 경우가 많아서, 왜 작은 연결 강도 차이가 회로 전체의 안정성과 불안정성을 가르는지 정량적으로 이해해 보고 싶었다.

따라서 본 탐구에서는 흥분성 뉴런 두 집단과 억제성 뉴런 한 집단으로 이루어진 단순 신경회로를 가정하고, 집단 사이의 영향을 연결 행렬로 나타내었다. 그런 뒤 같은 초기 입력을 주었을 때 상태 벡터가 반복적으로 어떻게 변하는지 계산하여, 흥분-억제 균형의 변화가 회로의 안정화, 지속, 증폭 가운데 어떤 양상으로 이어지는지 살펴보았다. 이 탐구는 공통수학1의 행렬 단원에서 배운 개념을 생명과학적 문제와 연결해 보는 시도이며, 동시에 신경계 질환을 개별 세포 하나의 이상이 아니라 연결 구조 전체의 문제로 바라보는 관점을 익히는 데 의미가 있다.

1.2 연구 목적

본 연구의 목적은 흥분성 뉴런과 억제성 뉴런으로 구성된 단순화된 신경회로를 연결 행렬로 표현하고, 입력 신호가 반복 전달될 때 회로의 활성도가 안정화되는지, 일정 수준에서 유지되는지, 혹은 오히려 증폭되는지를 비교 분석하는 데 있다. 이를 위해 흥분성 뉴런 두 집단과 억제성 뉴런 한 집단으로 이루어진 3요소 모형을 설정하고, 정상 균형형, 약한 억제형, 과흥분형의 세 가지 연결 조건을 구성하였다. 이후 동일한 초기 상태 벡터를 적용하여 단계별 활성도 변화를 계산하고, 각 단계에서의 뉴런별 활성도와 전체 활성도 합의 변화를 분석하였다.

구체적으로는 첫째, 흥분성 연결 강도와 억제성 연결 강도의 상대적 차이가 회로 안정성에 어떤 영향을 주는지 확인하고자 하였다. 둘째, 반복 행렬곱이 신경회로의 상태 변화를 설명하는 데 얼마나 유효한 수학적 틀이 될 수 있는지 검토하고자 하였다. 셋째, 공통수학1의 행렬 개념이 실제 뇌과학의 핵심 문제 가운데 하나인 흥분-억제 균형과 연결될 수 있음을 보이고자 하였다. 본 연구는 실제 뇌 전체를 재현하는 것이 아니라 단순화된 모형을 통해 구조적 원리를 드러내는 데 목적이 있으므로, 결과의 일반화에는 한계가 있지만 설명력 있는 기초 모형을 제시한다는 점에서 학습적 가치가 크다.

1.3 연구 질문

본 탐구에서 설정한 연구 질문은 다음과 같다. 첫째, 동일한 초기 입력이 주어질 때 연결 행렬의 구조 차이만으로 회로의 장기적 거동이 달라지는가. 둘째, 흥분성 연결과 억제성 연결의 상대적 비율이 어느 방향으로 바뀔 때 신호는 안정화되지 않고 오래 유지되거나 증폭되는가. 셋째, 이러한 결과를 통해 신경계의 이상 상태를 연결 구조의 불균형으로 해석하는 것이 가능한가. 이 세 질문은 모두 행렬을 이용한 정량 분석과 생물학적 해석을 함께 요구하므로, 교과 개념과 진로 관심을 연결하는 탐구 과제로 적절하다고 판단하였다.

2. 이론적 배경

2.1 행렬과 상태 변환의 교과 연계

행렬은 여러 개의 수를 행과 열의 형태로 배열한 것이며, 각 성분은 특정 위치에서 특정 의미를 가진다. 공통수학1에서 배우는 기본 개념에 따르면 행렬은 수를 정리하는 방식에 그치지 않고, 대상 간 관계를 구조적으로 표현하는 도구가 된다. 예를 들어 어떤 계가 여러 요소로 이루어져 있고 각 요소가 다른 요소에 영향을 준다면, 그 영향의 방향과 크기를 행렬의 성분으로 나타낼 수 있다. 이때 상태를 나타내는 벡터와 영향 구조를 나타내는 행렬의 곱은 현재 상태가 다음 상태로 어떻게 변하는지를 계산하게 해 준다. 이런 해석은 인구 이동, 경제 흐름, 정보 처리뿐 아니라 신경회로의 활동 변화를 모델링하는 데에도 적용될 수 있다.

본 탐구에서 사용한 기본 식은 $X_{n+1}=AX_n$이다. 여기서 $X_n$은 $n$단계에서 각 뉴런 집단의 활성도를 나타내는 열벡터이고, $A$는 각 집단이 서로에게 미치는 영향을 담은 연결 행렬이다. 행렬 $A$의 양의 성분은 흥분성 작용을, 음의 성분은 억제성 작용을 의미하도록 설정하였다. 이 식은 현재 단계의 각 활성도가 다음 단계의 활성도 계산에 동시에 반영된다는 점에서, 신경망의 상호의존성을 표현하기에 적절하다. 실제 뇌는 비선형 반응, 임계값, 전달 지연, 시냅스 가소성과 같은 복잡한 요소를 포함하지만, 고등학교 수준에서는 행렬곱만으로도 구조적 차이가 동역학적 결과를 바꾼다는 핵심을 충분히 확인할 수 있다.

반복 행렬곱의 결과는 행렬의 계수 구조에 크게 좌우된다. 어떤 행렬에서는 입력이 점차 줄어들어 영벡터에 가까워질 수 있고, 어떤 행렬에서는 일정 수준에서 오래 남을 수 있으며, 또 다른 행렬에서는 반복될수록 특정 성분이 계속 커질 수 있다. 이 차이는 하나의 계수 크기만으로 결정되지 않는다. 자기 활동을 얼마나 유지하는지에 해당하는 대각 성분, 다른 집단으로 전달되는 상호 흥분 경로, 억제성 집단이 흥분성 집단을 얼마나 강하게 제어하는지가 함께 작용한다. 따라서 행렬은 단순 계산 도구라기보다 관계 구조를 압축한 표현이며, 이를 해석하는 과정 자체가 탐구의 핵심이 된다.

2.2 흥분성 뉴런과 억제성 뉴런의 기능

신경계의 정보 전달은 세포막 전위 변화와 시냅스 전달을 통해 이루어진다. 흥분성 뉴런은 일반적으로 다음 뉴런이 활동전위를 발생시킬 가능성을 높이는 방향으로 작용하고, 억제성 뉴런은 그 가능성을 낮추는 방향으로 작용한다. 이 두 작용은 단순한 경쟁 관계라기보다 정상적인 정보 처리에 필요한 분업 구조로 보는 편이 더 정확하다. 흥분성 작용이 없다면 신호는 전달되지 못하고, 억제성 작용이 없다면 회로는 사소한 자극에도 과도하게 반응할 수 있다. 뇌가 안정성과 민감성을 동시에 유지하려면 필요한 신호는 충분히 전달하면서도 불필요한 확산은 제어하는 정교한 균형이 필요하다.

이 균형은 단순한 총량 비교만으로 설명되지 않는다. 흥분성 입력이 강하더라도 억제성 뉴런이 빠르고 효율적으로 반응하면 전체 회로는 안정적일 수 있다. 반대로 억제성 뉴런이 존재하더라도 연결 강도가 약하거나 작동 위치가 적절하지 않으면, 흥분성 활동이 여러 경로를 통해 누적되어 활성도가 점점 높아질 수 있다. 정상과 이상을 가르는 기준은 흥분 또는 억제의 존재 여부가 아니라, 연결 구조 속에서 두 작용이 어떻게 배치되고 반복적으로 상호작용하는가에 있다. 그래서 흥분-억제 균형은 개별 세포 특성의 합이라기보다 회로 수준의 속성으로 이해할 필요가 있다.

의학적으로도 흥분-억제 균형은 중요한 개념이다. 여러 신경계 이상 상태에서 이 균형의 변화가 논의되며, 특히 발작과 관련된 상태에서는 억제성 조절의 약화와 흥분성 연결의 상대적 우세가 주요 기전 가운데 하나로 다루어진다. 물론 실제 질환은 유전적 요인, 이온통로 변화, 시냅스 재구성, 염증 반응 등 다양한 요인이 복합적으로 작용하므로 단일 원인으로 환원할 수는 없다. 그럼에도 흥분-억제 균형이라는 틀은 복잡한 현상을 이해하는 출발점으로 유용하며, 본 탐구의 행렬 모형은 바로 이 핵심 구조를 단순화하여 드러내는 데 목적이 있다.

2.3 반복 전달의 수학적 해석과 안정성

신경회로에서 하나의 입력은 한 번 전달되고 끝나는 것이 아니라 여러 뉴런을 거치며 재분배되고 되먹임되는 과정을 겪는다. 흥분성 뉴런이 다른 흥분성 뉴런을 자극하면 신호는 강화될 수 있고, 억제성 뉴런이 그 경로에 개입하면 신호는 약화되거나 제한될 수 있다. 이러한 시간적 전개를 고등학교 수준의 수학으로 단순화하면 단계별 상태 변화 모형으로 표현할 수 있다. 본 연구에서는 각 단계의 활성도 벡터를 다음 단계 활성도 벡터로 변환하는 규칙을 행렬 $A$로 고정하고, 동일한 규칙을 여러 번 적용하였다. 실제 시간의 연속적 흐름을 세밀하게 재현하는 방식은 아니지만, 반복 전달에 따른 누적 경향을 분석하기에는 충분하다.

반복 모형의 장점은 조건이 같을 때 구조 차이만을 분리해서 볼 수 있다는 점이다. 초기 입력 벡터를 동일하게 두면 이후 결과 차이는 오직 연결 행렬의 차이에서 나온다. 따라서 어떤 조건에서 활성도가 빠르게 감소한다면 입력이 약해서가 아니라 회로 구조 자체가 안정화에 유리했기 때문이라고 해석할 수 있다. 반대로 같은 입력에서 활성도가 점차 증가한다면 회로 내부의 되먹임 구조가 증폭에 유리하게 설정되었기 때문이라고 볼 수 있다. 이처럼 행렬 반복은 원인과 결과를 구조적으로 연결해 준다.

다만 선형 반복 모형에는 한계도 있다. 실제 뉴런은 입력이 커질수록 무한정 선형적으로 반응하지 않으며, 발화 임계값과 포화 현상, 불응기, 비선형 시냅스 전달 등을 보인다. 따라서 본 연구에서 나타난 활성도 증가는 실제 생체 신경계의 무제한 폭주를 직접 뜻하지 않는다. 여기서의 활성도는 상대적 경향을 보기 위한 추상적 지표이며, 의미는 회로가 입력을 흡수하는가, 일정 수준에서 유지하는가, 혹은 증폭하는가에 있다. 이러한 해석 범위를 분명히 할 때 단순 모형은 오히려 핵심 원리를 선명하게 보여주는 장점을 갖는다.

3. 연구 방법

3.1 연구 설계

본 연구는 실제 생체 실험이 아니라 수학적 모델링과 가상 데이터 분석을 결합한 탐구이다. 연구 질문은 흥분성 연결 강도와 억제성 연결 강도의 비율이 달라질 때 동일한 초기 입력이 반복 전달 과정에서 안정화되는지 혹은 증폭되는지 확인하는 것이다. 이를 검증하기 위해 흥분성 뉴런 두 집단과 억제성 뉴런 한 집단으로 구성된 $3\times3$ 연결 행렬 모형을 설정하였다. 독립변수는 연결 행렬의 구조이며 정상 균형형, 약한 억제형, 과흥분형의 세 조건으로 조작하였다. 종속변수는 각 단계에서의 뉴런별 활성도와 전체 활성도 합으로 두었다. 통제변수는 초기 상태 벡터, 반복 횟수, 뉴런 집단 수, 계산 자릿수로 설정하였다.

이 설계는 고등학생 수준에서 재현 가능하면서도 비교 분석의 핵심을 유지하도록 구성되었다. 실제 신경과학 연구에서는 수백 개 이상의 뉴런, 시간 지연, 확률적 노이즈, 비선형 활성화가 고려되지만, 본 탐구의 목적은 모든 복잡성을 모사하는 데 있지 않다. 오히려 변수 수를 줄여 구조 차이가 결과에 미치는 영향을 명확히 관찰하는 것이 중요하다고 판단하였다. 그래서 모형을 3요소로 단순화하고, 각 조건의 차이가 흥분성-억제성 계수에 집중되도록 설계하였다. 이로써 결과 해석에서 불필요한 교란을 줄이고, 행렬 단원과의 연결성도 높일 수 있었다.

가설은 다음과 같이 설정하였다. 첫째, 정상 균형형 행렬에서는 반복 단계가 진행될수록 전체 활성도 합이 감소하여 회로가 안정화될 것이다. 둘째, 약한 억제형 행렬에서는 활성도 감소가 제한되어 일정 수준의 활동이 지속될 것이다. 셋째, 과흥분형 행렬에서는 반복 전달에 따라 전체 활성도 합이 증가하여 이상 신호 증폭 경향이 나타날 것이다. 이 세 가설은 모두 검증 가능한 형태이며, 결과 비교를 통해 지지 여부를 판단할 수 있다.

3.2 모형과 자료 설정

연구 대상은 실제 생체가 아니라 추상화된 신경 집단이다. 뉴런1과 뉴런2는 흥분성 집단, 뉴런3은 억제성 집단으로 두었다. 초기 상태 벡터는 $X_0=\begin{bmatrix}1.00\\0.80\\0.50\end{bmatrix}$로 설정하였다. 이는 첫 번째 흥분성 집단이 가장 큰 초기 자극을 받고, 두 번째 흥분성 집단과 억제성 집단도 일정 수준의 활동을 가진 상태를 의미한다. 특정 집단만 0으로 두지 않은 이유는 실제 회로에서 완전히 고립된 상태보다 여러 집단이 동시에 기초 활동을 가지는 경우가 더 자연스럽기 때문이다.

세 가지 연결 행렬은 다음과 같이 설정하였다. 정상 균형형은 $A_1=\begin{bmatrix}0.55&0.20&-0.30\\0.25&0.50&-0.25\\0.15&0.10&0.40\end{bmatrix}$이고, 약한 억제형은 $A_2=\begin{bmatrix}0.68&0.26&-0.15\\0.30&0.63&-0.12\\0.18&0.12&0.35\end{bmatrix}$이며, 과흥분형은 $A_3=\begin{bmatrix}0.82&0.30&-0.08\\0.34&0.78&-0.05\\0.20&0.14&0.30\end{bmatrix}$이다. 각 행렬에서 양의 성분은 흥분성 효과, 음의 성분은 억제성 효과를 나타낸다. 정상 균형형은 억제성 영향이 비교적 충분하여 흥분성 활동을 제어할 수 있도록 설계하였고, 약한 억제형은 음의 성분의 절댓값을 줄여 억제 기능을 약화시켰으며, 과흥분형은 흥분성 자기 유지와 상호 흥분 항을 더 크게 두어 증폭 경향이 나타나도록 구성하였다.

본 연구의 수치 데이터는 실제 논문에서 가져온 실험값이 아니라 교육용 목적의 가상 데이터이다. 다만 개념 설정은 신경과학에서 일반적으로 알려진 흥분-억제 균형의 의미와 맞도록 구성하였다. 따라서 문헌은 개념적 정당성을 제공하고, 수치 자체는 본 연구 모형의 산출 결과라는 구분을 유지하였다.

3.3 계산 절차와 분석 지표

연구 과정은 네 단계로 진행하였다. 첫째, 교과서의 행렬 개념을 바탕으로 연결 행렬이 각 집단 간 영향을, 상태 벡터가 특정 단계의 활성도 수준을 나타내도록 정의하였다. 둘째, 세 가지 조건의 연결 행렬을 설계하고 각 행렬이 어떤 생리학적 의미를 갖는지 정성적으로 점검하였다. 셋째, 상태 변환식 $X_{n+1}=AX_n$을 적용하여 각 조건에서 5단계까지 반복 계산하였다. 넷째, 각 단계의 뉴런별 활성도와 전체 활성도 합을 정리한 뒤, 조건별 평균 전체 활성도, 표준편차, 범위를 산출하여 패턴을 비교하였다.

분석에서는 결과와 해석을 분리하는 원칙을 유지하였다. 먼저 각 조건의 수치를 제시한 뒤, 그 차이가 어떤 구조적 원인에서 비롯되었는지는 논의에서 해석하였다. 또한 초기값이 동일하게 통제되었으므로 세 조건의 차이는 본질적으로 행렬 구조의 차이에 의해 발생한 것으로 볼 수 있다. 이 점은 연구 설계와 결과 해석이 논리적으로 연결되도록 만드는 핵심 장치이다.

4. 결과

4.1 단계별 활성도 변화

세 조건에서 동일한 초기 상태 벡터를 적용한 뒤 5단계까지 반복 계산한 결과는 다음과 같다. 이 절에서는 수치 중심으로 결과를 제시하고, 해석은 최소화하여 관찰된 패턴을 정리하였다.

정상 균형형에서는 전체 활성도 합이 1단계 1.52에서 5단계 0.17로 감소하였다. 약한 억제형에서는 1단계 1.89에서 5단계 1.40으로 줄었으나 감소 폭은 상대적으로 작았다. 과흥분형에서는 1단계 2.38에서 5단계 4.05로 증가하였다. 뉴런별 수치를 보면 정상 균형형에서는 세 집단 모두 단계가 진행될수록 감소 경향을 보였고, 약한 억제형에서는 흥분성 뉴런의 활성도가 비교적 높은 수준에서 유지되었다. 과흥분형에서는 특히 두 흥분성 뉴런의 활성도가 단계별로 뚜렷하게 증가하였다.

4.2 그래프를 통한 추세 비교

그래프를 보면 정상 균형형은 단계가 늘어날수록 급격히 하강하여 안정화되는 추세가 분명하게 나타난다. 약한 억제형은 완만한 감소를 보이지만 마지막 단계까지도 상당한 활성도가 남아 있어 신호가 쉽게 사라지지 않음을 확인할 수 있다. 과흥분형은 시작 단계부터 가장 높은 값을 보였고, 반복될수록 기울기가 양의 방향으로 유지되어 이상 신호 증폭에 가까운 패턴을 보여 주었다. 같은 초기 입력을 사용했음에도 세 곡선의 방향이 뚜렷하게 갈라진다는 점에서, 결과 차이가 입력 세기의 차이가 아니라 연결 구조의 차이에서 비롯되었음을 시각적으로 확인할 수 있다.

4.3 조건별 요약 통계

조건별 전반적 패턴을 비교하기 위해 전체 활성도 합의 평균, 표준편차, 범위를 산출하였다.

평균 전체 활성도는 정상 균형형 0.67, 약한 억제형 1.59, 과흥분형 3.11로 나타났다. 표준편차는 정상 균형형 0.55, 약한 억제형 0.20, 과흥분형 0.67이었다. 범위는 정상 균형형 1.35, 약한 억제형 0.49, 과흥분형 1.67이었다. 이 값들은 각 조건이 단순히 높고 낮은 수준의 차이만을 보이는 것이 아니라, 시간에 따라 얼마나 크게 변하는지도 다름을 보여 준다.

4.4 변화율 비교

조건별 상대 변화 정도를 더 분명히 보기 위해 1단계 대비 5단계 전체 활성도 합의 비율을 계산하였다. 정상 균형형은 $\frac{0.17}{1.52}\approx0.11$ 수준이었고, 약한 억제형은 $\frac{1.40}{1.89}\approx0.74$ 수준이었다. 과흥분형은 $\frac{4.05}{2.38}\approx1.70$ 수준이었다. 즉 정상 균형형에서는 초기 활동이 대부분 소실되었고, 약한 억제형에서는 상당 부분 유지되었으며, 과흥분형에서는 오히려 약 70%가량 증가하였다. 또한 정상 균형형과 과흥분형의 최종 단계 전체 활성도 합을 비교하면 0.17 대 4.05로 차이가 매우 크게 나타났다.

세부적으로 보면 과흥분형에서 억제성 뉴런에 해당하는 뉴런3의 활성도는 0.47에서 0.57로 소폭 증가하는 데 그쳤지만, 흥분성 뉴런1과 뉴런2는 각각 0.96에서 1.78, 0.95에서 1.70으로 뚜렷한 증가를 보였다. 반대로 정상 균형형에서는 억제성 뉴런 역시 감소하였지만, 흥분성 뉴런의 감소 속도가 더 빠르게 나타났다. 약한 억제형에서는 전체적으로 감소하되 완전히 사라지지 않고 비교적 높은 수준이 유지되었다. 이는 세 조건의 차이가 회로의 기본 동작 모드를 바꾼다는 점을 보여 주는 핵심 결과이다.

5. 논의 및 결론

5.1 수치 결과 해석

결과에서 가장 분명하게 드러난 점은 동일한 초기 입력이 주어졌음에도 연결 행렬의 구조에 따라 회로의 장기적 상태가 전혀 다르게 전개되었다는 사실이다. 정상 균형형에서는 전체 활성도 합이 단계가 진행될수록 빠르게 줄어들어 5단계에서 초기의 약 11% 수준까지 감소하였다. 이는 회로 내부에 신호를 증폭시키는 경로보다 억제하고 흡수하는 경로가 상대적으로 우세하다는 뜻이다. 수학적으로는 행렬 반복이 안정화 방향으로 작동한 것이고, 생물학적으로는 억제성 조절이 흥분성 전달을 충분히 제어한 상태로 해석할 수 있다.

약한 억제형의 결과는 더 미묘한 의미를 갖는다. 전체 활성도 합은 감소했으므로 폭주라고 단정할 수는 없지만, 정상 균형형과 비교하면 신호가 훨씬 오래 남았다. 이는 억제성 작용이 완전히 사라지지 않았더라도 그 강도가 충분하지 않으면 회로가 안정적인 소거보다는 지속 활성 상태에 가까워질 수 있음을 보여 준다. 실제 신경계에서는 이러한 상태가 곧바로 발작을 뜻하지는 않더라도, 자극이 필요 이상으로 오래 남거나 배경 잡음이 커져 정보 선택성이 떨어지는 조건과 연결해 생각해 볼 수 있다. 즉 정상과 병적 상태 사이에는 단순한 이분법만 있는 것이 아니라 중간적인 취약 상태가 존재할 수 있음을 시사한다.

과흥분형에서는 전체 활성도 합이 2.38에서 4.05로 증가하였고, 특히 흥분성 뉴런들의 증가 폭이 컸다. 이는 회로가 입력을 반영하는 수준을 넘어 내부 연결 구조에 의해 신호를 자기 강화하고 있음을 뜻한다. 억제성 뉴런도 일정 활동을 보이지만 그 증가 폭이 작아 전체 증폭을 제어하지 못했다. 한 번 들어온 자극이 여러 흥분성 경로를 통해 다시 강화되고, 억제성 경로는 그 속도를 따라잡지 못하면 회로는 단계가 진행될수록 더 큰 활성도를 나타낼 수 있다는 가장 단순한 수학적 그림이 여기서 나타난다. 따라서 이상 신호 증폭은 개별 세포 하나의 비정상성이라기보다, 연결 구조 전체에서 흥분성 되먹임이 억제성 제어보다 우세해질 때 나타나는 현상으로 이해하는 편이 타당하다.

5.2 이론과의 연결 및 의미

이론적 배경에서 제시한 핵심은 행렬이 관계 구조를 표현하고, 반복 행렬곱이 상태 변화를 보여 준다는 점이었다. 실제 결과는 이 개념을 잘 뒷받침한다. 같은 초기 상태를 사용했으므로 결과 차이는 입력의 차이가 아니라 구조의 차이에서 나왔다. 이는 행렬의 각 성분이 단순한 숫자가 아니라 회로의 기능적 규칙을 담고 있다는 점을 보여 준다. 특히 대각 성분이 비교적 큰 과흥분형에서는 각 뉴런 집단이 자기 활동을 더 강하게 유지하는 동시에 다른 흥분성 집단으로부터도 양의 영향을 받아 전체 활성도가 증가하였다. 반면 정상 균형형에서는 억제성 집단이 흥분성 집단에 미치는 음의 영향이 더 강하게 작용하여 반복 전달이 누적되지 못했다. 이 차이는 수학적으로는 성분 조합의 차이지만, 기능적으로는 안정 회로와 불안정 회로의 차이로 읽을 수 있다.

또한 세 조건을 비교하면 단순히 평균 활성도가 높아지는 현상만이 중요한 것이 아니라, 시간에 따른 변화 방향이 중요함을 알 수 있다. 정상 균형형은 초기 감소 폭이 커서 표준편차가 비교적 크게 나타났고, 약한 억제형은 평균은 중간 수준이지만 표준편차가 가장 작아 일정한 수준의 활동이 오래 유지되는 양상을 보였다. 과흥분형은 평균이 가장 높고 표준편차와 범위도 커서 시간이 지날수록 회로 상태가 더 불안정해지는 경향을 보였다. 안정성과 불안정성은 어느 한 시점의 값이 큰가의 문제가 아니라, 시간에 따라 회로가 어떤 방향으로 이동하는가의 문제라는 점이 여기서 드러난다.

이 결과는 신경계 이상 상태를 이해하는 방식에도 시사점을 준다. 흔히 특정 신경전달물질이 많다거나 적다는 식의 단순 서술이 사용되지만, 본 연구는 총량 자체보다 네트워크 배치가 중요하다는 점을 부각한다. 같은 정도의 억제성 요소가 존재하더라도 그것이 충분히 강하고 적절한 위치에서 작동하지 않으면 전체 회로는 불안정해질 수 있다. 물론 본 연구는 실제 시냅스 생리값을 재현한 것이 아니라 단순화된 행렬 모형이므로 특정 질환 기전을 직접 증명하는 자료로 사용할 수는 없다. 그럼에도 연결 구조를 중심으로 생각하는 틀을 마련했다는 점에서 의미가 있다.

5.3 한계와 후속 탐구

본 연구는 교육적 목적의 단순 모형이라는 점에서 분명한 한계를 가진다. 첫째, 실제 뇌의 신경세포는 수가 매우 많고 연결 구조도 층위적이며 비선형적이지만, 본 연구는 세 집단으로 축약한 선형 모형만을 사용하였다. 따라서 실제 신경회로의 세부 반응, 임계 발화, 포화, 불응기, 시냅스 가소성과 같은 중요한 현상을 반영하지 못한다. 둘째, 사용한 수치 데이터는 실험 측정값이 아니라 가상 데이터이므로 실제 생리학적 값과 일치한다고 주장할 수 없다. 본 연구의 강점은 경험적 사실의 정밀 재현이 아니라 개념 구조의 설명에 있다.

셋째, 반복 횟수를 5단계로 제한하였으므로 장기 거동을 완전히 확인하기는 어렵다. 어떤 행렬은 더 긴 단계에서 다른 패턴을 보일 수도 있으며, 약한 억제형의 경우 장기적으로 완만한 감소를 계속할지 특정 범위에 머물지, 혹은 외부 입력이 반복될 때 증폭으로 전환될지는 추가 검토가 필요하다. 후속 탐구에서는 억제성 뉴런 수를 늘리거나 특정 흥분성-흥분성 연결만 선택적으로 약화시키는 방식으로 회로 민감도를 비교할 수 있다. 또한 비선형 활성화 함수를 도입하면 실제 생리 현상에 더 가까운 해석도 가능할 것이다. 이런 확장은 모두 행렬 단원의 기본 개념을 바탕으로 이어갈 수 있다는 점에서 교육적 확장성도 충분하다.

5.4 결론

본 연구는 흥분성 뉴런 두 집단과 억제성 뉴런 한 집단으로 이루어진 단순 신경회로를 연결 행렬로 표현하고, 상태 벡터의 반복 변환을 통해 회로의 안정화와 이상 증폭 가능성을 분석하였다. 그 결과 정상 균형형에서는 전체 활성도 합이 빠르게 감소하여 회로가 안정 상태로 수렴하는 경향이 나타났고, 약한 억제형에서는 비교적 높은 수준의 활동이 지속되었으며, 과흥분형에서는 단계가 진행될수록 활성도가 증가하였다. 따라서 탐구 문제에 대한 답은 분명하다. 흥분성 연결 강도와 억제성 연결 강도의 상대적 균형은 회로의 동작 모드를 결정하며, 억제성 제어가 충분할 때는 신호가 안정화되고, 그 제어가 약해질수록 신호는 유지되거나 증폭될 가능성이 커진다.

이 결론은 공통수학1의 행렬 단원이 단순 계산 기술을 넘어 실제 과학 현상의 구조를 해석하는 도구가 될 수 있음을 보여 준다. 행렬의 각 성분은 단지 숫자가 아니라 관계의 크기와 방향을 뜻하고, 행렬과 벡터의 곱은 현재 상태가 다음 상태로 어떻게 변하는지를 설명한다. 이러한 해석을 통해 행렬의 추상성이 생명과학의 구체적 문제와 연결되었다. 동시에 본 연구는 신경계의 이상을 개별 세포의 문제로만 보기보다 연결 구조와 균형의 문제로 바라보는 관점이 중요함을 시사한다. 향후에는 비선형 활성화, 더 많은 뉴런 집단, 외부 자극의 반복 입력, 억제성 경로 위치 변화 등을 포함한 확장 모형을 구성하여 보다 실제적인 신경회로 해석으로 발전시킬 수 있을 것이다.

참고문헌

[1] Antoine, M. W., Langberg, T., Schnepel, P., & Feldman, D. E. (2019). What is excitation/inhibition and how is it regulated? A case of the elephant and the wisemen. Current Opinion in Neurobiology, 57, 188-197.

[2] Froemke, R. C. (2015). Plasticity of cortical excitatory-inhibitory balance. Annual Review of Neuroscience, 38, 195-219.

[3] Isaacson, J. S., & Scanziani, M. (2011). How inhibition shapes cortical activity. Neuron, 72(2), 231-243.

[4] Sprekeler, H. (2017). Functional consequences of inhibitory plasticity: Homeostasis, the excitation-inhibition balance and beyond. Current Opinion in Neurobiology, 43, 198-203.

[5] Yizhar, O., Fenno, L. E., Prigge, M., Schneider, F., Davidson, T. J., O’Shea, D. J., Sohal, V. S., Goshen, I., Finkelstein, J., Paz, J. T., Stehfest, K., Fudim, R., Ramakrishnan, C., Huguenard, J. R., Hegemann, P., & Deisseroth, K. (2011). Neocortical excitation/inhibition balance in information processing and social dysfunction. Nature, 477(7363), 171-178.

[6] 교육부. (2022). 고등학교 공통수학 교육과정 및 교과서의 행렬 단원 내용. 교육부.

활동 요약 (자기평가서)

공통수학1 행렬 단원에서 배운 상태벡터와 행렬곱의 의미를 바탕으로 신경세포의 흥분-억제 균형을 연결 구조의 관점에서 해석하는 탐구를 수행함. 흥분성 뉴런 2개와 억제성 뉴런 1개로 이루어진 단순 회로를 설정하고 정상 균형형, 약한 억제형, 과흥분형의 세 가지 연결 행렬을 구성한 뒤 같은 초기 입력에 대해 반복적으로 행렬곱을 적용하여 단계별 활성도 변화를 비교함. 계산 결과 정상 균형형에서는 신호가 빠르게 줄어들고 약한 억제형에서는 높은 수준의 활동이 남으며 과흥분형에서는 활성도가 오히려 증가하는 양상이 나타남을 확인함. 이를 통해 행렬의 각 성분이 단순한 숫자가 아니라 뉴런 사이 영향의 크기와 방향을 뜻한다는 점을 구체적으로 이해하였고, 수학 개념을 이용해 신경계의 안정성과 이상 신호 증폭을 함께 설명할 수 있음을 정리함. 단순한 세포 하나의 문제가 아니라 연결 구조 전체의 불균형이 중요하다는 점에 주목하여 결과를 해석하고, 이후에는 비선형 요소와 더 많은 집단을 포함한 확장 모형으로 탐구를 이어갈 방향을 구상함.