평균 첫 통과 시간

1. 개요

평균 첫 통과 시간 Mean First Passage Time, MFPT
정의	$T(x)=\mathbb{E}[\inf\{t : X_t\in B\}\mid X_0=x]$
연속 확산	후진 방정식 $\mathcal{L}^\dagger T=-1$, 표적에서 $T=0$
이산 마르코프 연쇄	$(I-Q)\,t=\mathbf{1}$ — 선형계 한 번
1차원 닫힌꼴	이중적분 (반사벽 + 흡수벽)
대표 응용	반응 속도, 단백질 접힘, 신경 발화, 파산 확률, 탐색 문제

언제 도착하냐고? 평균으로는 알려 줄 수 있음. 오늘 도착할지는 신에게 맡긴다.

평균 첫 통과 시간(mean first passage time, MFPT)은 확률과정이 주어진 출발점에서 시작해 어떤 표적 집합에 처음으로 닿을 때까지 걸리는 시간의 기댓값이다. 첫 통과 시간 $\tau_B=\inf\{t\ge 0 : X_t\in B\}$ 는 그 자체로 확률변수이고, MFPT는 그 평균 $T(x)=\mathbb{E}_x[\tau_B]$ 다.

이 양이 중요한 이유는 간단하다. “반응이 얼마나 빨리 일어나나”, “단백질이 언제 접히나”, “뉴런이 언제 발화하나”, “도박꾼이 언제 파산하나”는 전부 문턱에 처음 닿는 시각에 대한 질문이다. 크라머스 탈출률의 속도 상수 $k$ 도 결국 MFPT의 역수이고, 전이상태 이론이 근사로 주는 값을 MFPT가 정확한 기준으로 검증한다.

수치해석 관점에서 반가운 사실은 MFPT를 구하려고 궤적을 수만 개 돌릴 필요가 없다는 점이다. 평균은 정해진 선형 방정식 — 연속 확산이면 타원형 편미분방정식, 이산 마르코프 연쇄면 선형계 한 개 — 의 해로 나온다. 몬테카를로는 그 방정식을 검산하는 용도로 쓰면 된다.

2. 후진 방정식 — 왜 평균이 PDE를 만족하나

확산 과정 $dX_t = a(X_t)\,dt + \sqrt{2D}\,dW_t$ 를 생각하자(확률미분방정식). 확률밀도는 포커-플랑크 방정식(전진 방정식)을 따르지만, MFPT는 “어디서 출발했느냐”의 함수라서 후진 콜모고로프 방정식을 따른다. 짧은 시간 $dt$ 동안 한 걸음 가고 나서 남은 평균 시간을 다시 쓰면

$$T(x) = dt + \mathbb{E}\big[T(x+dX)\big] = dt + T(x) + \Big(a\,T' + D\,T''\Big)dt + o(dt)$$

이고, 양변의 $T(x)$ 를 지우면

$$\mathcal{L}^\dagger T \equiv a(x)\,T'(x) + D\,T''(x) = -1, \qquad T\big|_{B}=0$$

을 얻는다. 연산자 $\mathcal{L}^\dagger$ 는 포커-플랑크 연산자의 수반(adjoint), 즉 생성자(generator)다. 경계조건은 두 종류:

• 흡수벽(표적): $T=0$. 거기 닿는 순간 시계가 멈춘다.
• 반사벽: $T'=0$. 벽에서 튕겨 나와 시간만 계속 흐른다.

더 높은 적률도 같은 연산자로 줄줄이 나온다. $T_n=\mathbb{E}_x[\tau^n]$ 이라 하면 $\mathcal{L}^\dagger T_n = -n\,T_{n-1}$ ($T_0=1$). 분산은 $T_2-T_1^2$ 로 얻는다. 장벽이 높은 탈출 문제에서는 $\tau$ 가 거의 지수분포라 표준편차 ≈ 평균이 되는데, 이걸 확인하는 것이 “이 과정이 정말 단일 속도 상수로 요약되는가”의 좋은 점검이다.

3. 1차원 닫힌꼴

1차원은 적분 두 번이면 끝난다. 퍼텐셜 $U$ 위의 과감쇠 운동($a=-DU'/k_BT$, $\beta=1/k_BT$)에서 $x=a$ 반사, $x=b$ 흡수라면

$$T(x) = \frac{1}{D}\int_{x}^{b} e^{\beta U(y)}\left[\int_{a}^{y} e^{-\beta U(z)}\,dz\right]dy .$$

바깥 적분의 $e^{+\beta U}$ 는 장벽 꼭대기에서, 안쪽의 $e^{-\beta U}$ 는 우물 바닥에서 지배된다. 둘을 각각 가우스 근사하면 크라머스 식이 나온다 — 그 유도는 크라머스 탈출률 문서 몫이다.

가장 단순한 예 몇 개:

상황	MFPT
자유 확산, 구간 $[0,L]$ 양끝 흡수	$x(L-x)/2D$
자유 확산, $0$ 반사·$L$ 흡수	$(L^2-x^2)/2D$
대칭 랜덤 워크, $0..N$ 양끝 흡수(한 걸음 = 1)	$k(N-k)$
3차원 구 반지름 $R$ 안, 중심 출발, 경계 흡수	$R^2/6D$

표의 마지막 줄은 브라운 운동의 평균제곱변위 $6Dt$ 를 $R^2$ 와 같다고 놓은 어림과 정확히 일치한다. 1차원 양끝 흡수의 최댓값 $L^2/8D$ 는 같은 어림 $L^2/2D$ 보다 4배 작다 — 양쪽 문이 다 열려 있으니까.

4. 이산 마르코프 연쇄 — 선형계 한 번

상태가 유한한 마르코프 결정 과정이나 격자 랜덤 워크라면 연속식을 그대로 이산화한 것과 같다. 전이행렬을 표적(흡수) 상태와 나머지(일시) 상태로 나누고 일시 상태끼리의 블록을 $Q$ 라 하면

$$t = \mathbf{1} + Q\,t \quad\Longleftrightarrow\quad (I-Q)\,t = \mathbf{1}, \qquad N=(I-Q)^{-1}.$$

$N$ 은 케메니-스넬의 기본 행렬(fundamental matrix)로, $N_{ij}$ 는 $i$ 에서 출발해 흡수될 때까지 $j$ 를 방문하는 평균 횟수다. MFPT는 행 합 $t=N\mathbf{1}$ 이다. 실전에서는 $N$ 을 만들지 말고 $(I-Q)t=\mathbf{1}$ 을 희소행렬 솔버로 바로 푼다 — $I-Q$ 는 M-행렬이라 반복법도 얌전히 수렴한다.

직접 검산. $N=10$ 인 도박꾼의 파산 문제(대칭 워크, 0과 10 흡수)에서 9×9 선형계를 풀면 $k=1..5$ 에 대해 $t=9,16,21,24,25$ 가 나오고, 닫힌꼴 $k(N-k)$ 와 소수점까지 같다. 판돈 5로 시작하면 평균 25판 뒤에 끝난다는 뜻이다.¹

에르고딕 연쇄의 평균 회귀 시간은 더 우아하다. 상태 $i$ 를 떠났다가 처음 돌아오는 평균 시간은 정상분포의 역수 $1/\pi_i$ 다(카츠 보조정리). 페이지랭크 값이 큰 페이지일수록 랜덤 서퍼가 빨리 돌아온다는 말과 같다.

5. 수치 실측 — 이중우물

$U(x)=\Delta U\,(x^2-1)^2$, $D=1$, $\beta=1$ 에서 $x=-1$ 출발, $x=+1$ 도달 시간을 이중적분(적응 구적, 왼쪽 반사벽 $-6$)으로 계산하고 크라머스 점근 $1/k$ 와 비교했다. $U''(\pm1)=8\Delta U$, $U''(0)=-4\Delta U$ 이므로 $k=\sqrt{32}\,\Delta U\,e^{-\Delta U}/2\pi$.

$\Delta U$	MFPT (−1→+1)	크라머스 $1/k$	비	MFPT (−1→0, 꼭대기)	두 MFPT의 비
2	5.129	4.104	1.250	2.303	2.227
4	17.316	15.161	1.142	8.486	2.040
6	80.907	74.683	1.083	40.325	2.006
8	437.50	413.88	1.057	218.65	2.001

두 가지가 읽힌다.

1. 크라머스 식은 점근식이다. 장벽이 $8k_BT$ 여도 6% 어긋나고, $2k_BT$ 에서는 25%다. 오차는 대략 $1/\Delta U$ 로 줄어든다. 시뮬레이션 코드를 크라머스 식으로 검증하면 낮은 장벽에서 “코드가 틀렸다”고 오진하기 쉽다. 기준 답은 이중적분이다.
2. 꼭대기까지의 시간은 건너편까지의 정확히 절반에 수렴한다. 꼭대기에 선 입자는 반반 확률로 되돌아가기 때문이다. 표적을 어디에 두느냐로 속도 상수가 2배 달라진다는 이 함정은 반응좌표의 문턱을 장벽 정점에 놓는 논문에서 은근히 자주 보인다.²

같은 문제를 보존형 차분 $(e^{-\beta U}T')'=-e^{-\beta U}/D$ 로 4000칸 이산화해 풀면 $\Delta U=4$ 에서 $T(-1)=17.3160$ 으로 구적값 17.3159와 $10^{-5}$ 상대오차 안에서 맞는다. 보존형으로 쓰는 것이 핵심이다 — $aT'+DT''$ 를 중심차분으로 그대로 쓰면 장벽이 높을 때 계수가 지수적으로 커져 수치확산·진동이 생기는데, 이것은 포커-플랑크 방정식에서 창-쿠퍼 기법이 해결하는 문제와 같은 뿌리다.

6. 다차원과 좁은 탈출

차원이 올라가면 $\mathcal{L}^\dagger T=-1$ 은 일반 타원형 PDE라 유한요소법이나 유한차분법으로 푼다. 물리적으로 흥미로운 극한이 좁은 탈출 문제(narrow escape)다. 반사벽으로 둘러싸인 부피 $|\Omega|$ 의 3차원 영역에 반지름 $a$ 짜리 작은 원형 구멍이 하나 있으면, 선도항이

$$T \approx \frac{|\Omega|}{4Da}$$

이다(구멍이 작을수록 정확, 출발점과 무관). 구멍 면적이 아니라 반지름에 반비례한다는 점이 직관과 다르다. 세포 안 분자가 핵공을 찾아가는 시간, 시냅스 소포의 수용체 탐색 같은 생물물리 모형이 이 식에서 출발한다. 수치적으로는 구멍 근처에서 해가 특이하게 변하므로 국소 격자 세분화가 필수다.

7. 실전 지뢰

• 흡수 판정 시간 간격. 랑주뱅 적분에서 매 스텝 위치만 보고 경계 통과를 판정하면, 한 스텝 안에 경계를 넘었다 돌아온 궤적을 놓쳐 MFPT를 과대평가한다. 오차는 $O(\sqrt{\Delta t})$ 로 느리게 줄어든다. 브라운 다리(Brownian bridge) 확률로 스텝 내부 통과를 보정하면 오차 차수가 좋아진다.
• 희귀 사건. 장벽이 $10\,k_BT$ 를 넘으면 직접 시뮬레이션은 기다리다 현생이 끝난다. 이때는 마르코프 연쇄 몬테카를로식 편향 샘플링, 마일스톤·포워드 플럭스 같은 희귀 사건 샘플링 기법으로 MFPT를 조각내 잰다.
• 평균이 대표값이 아닐 때. 출발 근처에 표적이 있는 탐색 문제에서는 첫 통과 시간 분포가 꼬리가 두꺼워 평균이 중앙값의 몇십 배가 되기도 한다. 평균만 보고하지 말고 분포나 생존확률 $S(t)$ 를 같이 그려라.
• 1차원 무한 반직선의 함정. 반사벽 없는 반직선에서 자유 확산이 0에 닿을 확률은 1이지만 평균 시간은 무한대다. 이게 이른바 “결국 오긴 오는데 기다리는 평균은 무한”인 브라운 운동의 성질이다.³

8. 관련 문서

• 크라머스 탈출률 · 전이상태 이론 · 랑주뱅 동역학
• 포커-플랑크 방정식 · 확률미분방정식 · 브라운 운동
• 마르코프 결정 과정 · 페이지랭크 · M-행렬
• 이중우물 퍼텐셜 · 희귀 사건 샘플링 · 흡수 마르코프 연쇄

9. Footnotes

1. 공정한 게임이라도 판돈이 한정된 쪽이 결국 파산한다는 것이 “도박꾼의 파산”의 교훈이다. 상대가 카지노라 $N$ 이 사실상 무한이면 평균 판수도 무한대로 가는데, 그동안 카지노는 하우스 엣지로 착실히 갈아넣는다. ↩

2. 정확히는 꼭대기에 닿은 뒤 건너편에 “커밋”할 확률(커미터, committor)이 1/2이라서다. 다차원에서는 장벽 정점이 아니라 커미터가 1/2인 면이 진짜 전이상태이고, 이 면을 찾는 것 자체가 하나의 연구 분야다. ↩

3. 1차원 단순 랜덤 워크가 원점으로 돌아올 확률은 1이지만(재귀성), 돌아오는 평균 시간은 무한대다(영재귀). 첫 통과 시간 분포 꼬리가 $t^{-3/2}$ 이라 평균 적분이 발산한다. “언젠간 연락할게”의 수학적 모형. ↩