상전이는 물리학에서 물질의 상태가 급격히 변화하는 현상을 의미하며, 복잡계 네트워크에서는 다양한 시스템에서의 집단적 거동의 변화로 확장될 수 있습니다. 본 연구실은 상전이 현상을 복잡계 네트워크, 특히 성장 네트워크와 동적 네트워크에서의 퍼콜레이션, 동기화, 임계 현상 등과 연계하여 심도 있게 연구하고 있습니다. 이를 통해 네트워크의 구조적 특성이 상전이 임계점, 임계 지수, 그리고 전이의 연속성 또는 불연속성에 미치는 영향을 분석합니다. 복잡계 네트워크의 상전이 연구는 전산물리학적 시뮬레이션, 수리적 해석, 그리고 실제 데이터 분석을 결합하여 이루어집니다. 예를 들어, Achlioptas 과정, Berezinskii-Kosterlitz-Thouless(BKT) 전이, 그리고 다양한 퍼콜레이션 모델을 적용하여 네트워크 성장 과정에서 나타나는 임계 현상과 그 구조적 변화를 규명합니다. 또한, 전력망, 도시 도로망, 생물학적 네트워크 등 실제 시스템에 이론을 적용하여, 이들 시스템의 안정성, 효율성, 그리고 회복력에 대한 통찰을 제공합니다. 이러한 연구는 복잡계의 근본적인 물리적 원리를 이해하는 데 기여할 뿐만 아니라, 사회, 생명, 공학 등 다양한 분야에서 네트워크 기반 시스템의 설계와 제어, 위험 관리, 그리고 혁신적 기술 개발에 실질적인 응용 가능성을 제시합니다.

복잡계 네트워크 분석은 다양한 실세계 시스템의 구조와 동작 원리를 이해하는 데 필수적인 도구입니다. 본 연구실은 사회, 생명, 도시, 정보통신 등 여러 영역의 네트워크 데이터를 수집·분석하여, 네트워크의 토폴로지, 모티프, 커뮤니티 구조, 그리고 동역학적 특성을 정량적으로 규명합니다. 이를 통해 네트워크의 확장성, 취약성, 정보 흐름, 그리고 집단적 행동의 패턴을 밝혀냅니다. 특히, 본 연구실은 네트워크 사이언스의 이론적 발전과 더불어, 실제 문제 해결을 위한 응용 연구에도 집중하고 있습니다. 예를 들어, 전력망의 동기화 안정성 예측, 도시 도로망의 효율성 분석, 감염병 확산 모델링, 추천 시스템과 특허 검색 시스템의 인공지능 기반 최적화, 그리고 K-POP, 스포츠, 정치 연설문 등 문화·사회 데이터의 네트워크 분석을 수행합니다. 이러한 연구는 머신러닝, 그래프 신경망, 통계물리학적 방법론을 융합하여 새로운 분석 프레임워크를 제시합니다. 이와 같은 네트워크 분석 연구는 복잡한 시스템의 숨겨진 규칙성과 보편성을 발견하고, 사회적·기술적 시스템의 설계, 정책 수립, 위험 예측 및 관리 등 다양한 실질적 문제 해결에 기여합니다. 또한, 네트워크 기반의 새로운 데이터 해석 및 예측 기술을 개발하여, 4차 산업혁명 시대의 핵심 연구 분야로 자리매김하고 있습니다.