복잡 시스템에서의 확산 역학을 위한 대규모 언어 모델

Large language models for spreading dynamics in complex systems

확산 역학은 복잡 시스템 물리학 및 네트워크 과학의 핵심 주제로서, 시스템 구성 요소 간의 상호 작용을 통해 정보, 행동 및 질병이 어떻게 전파되는지에 대한 통합적인 이해를 제공합니다. 많은 확산 과정에서, 정보 표현 패턴, 문화적 맥락, 생활 환경, 인지적 선호 및 공공 정책과 같은 여러 상호 작용 요인에 의해 확산 과정이 영향을 받으며, 이러한 요인들을 기존의 모델링 프레임워크에 직접적으로 통합하기는 어렵습니다. 최근, 대규모 언어 모델(LLM)은 자연어 이해, 추론 및 생성 능력에서 뛰어난 성능을 보여주며, 확산 과정에서 의미 내용과 맥락적 단서를 명시적으로 파악할 수 있도록 지원하여 다양한 영향 요인 분석을 가능하게 합니다. LLM은 외부 분석 도구로서의 역할뿐만 아니라, 확산 시스템에 내재된 상호 작용 주체로서 작용하여 잠재적으로 확산 경로 및 피드백 구조에 영향을 미칠 수 있습니다. 결과적으로, LLM이 확산 역학에 미치는 역할과 영향은 여러 연구 분야에서 활발하고 빠르게 성장하는 연구 영역이 되었습니다. 본 논문은 디지털 전염병(오정보 및 루머) 및 생물학적 전염병(감염병 발생)을 포함한 두 가지 대표적인 영역에서 LLM을 확산 역학 연구에 적용한 최근의 발전 상황을 종합적으로 개괄합니다. 먼저, 복잡 시스템 관점에서 전염병 모델링의 기초를 살펴보고, LLM 기반 접근 방식이 기존 프레임워크와 어떻게 관련되는지 논의합니다. 그런 다음, 전염병 모델링, 전염병 감지 및 감시, 그리고 전염병 예측 및 관리에 대한 세 가지 주요 관점에서 최근 연구를 체계적으로 검토하여 LLM이 이러한 분야를 어떻게 향상시키는지 명확히 합니다. 마지막으로, 해결해야 할 과제와 잠재적인 연구 방향에 대해 논의합니다.

Spreading dynamics is a central topic in the physics of complex systems and network science, providing a unified framework for understanding how information, behaviors, and diseases propagate through interactions among system units. In many propagation contexts, spreading processes are influenced by multiple interacting factors, such as information expression patterns, cultural contexts, living environments, cognitive preferences, and public policies, which are difficult to incorporate directly into classical modeling frameworks. Recently, large language models (LLMs) have exhibited strong capabilities in natural language understanding, reasoning, and generation, enabling explicit perception of semantic content and contextual cues in spreading processes, thereby supporting the analysis of the different influencing factors. Beyond serving as external analytical tools, LLMs can also act as interactive agents embedded in propagation systems, potentially influencing spreading pathways and feedback structures. Consequently, the roles and impacts of LLMs on spreading dynamics have become an active and rapidly growing research area across multiple research disciplines. This review provides a comprehensive overview of recent advances in applying LLMs to the study of spreading dynamics across two representative domains: digital epidemics, such as misinformation and rumors, and biological epidemics, including infectious disease outbreaks. We first examine the foundations of epidemic modeling from a complex-systems perspective and discuss how LLM-based approaches relate to traditional frameworks. We then systematically review recent studies from three key perspectives, which are epidemic modeling, epidemic detection and surveillance, and epidemic prediction and management, to clarify how LLMs enhance these areas. Finally, open challenges and potential research directions are discussed.