로그와 지수함수 (Logarithm and Exponential Function)

한 줄 정의: 지수함수는 밑을 고정한 채 지수가 변함에 따라 값이 급격히 커지거나 작아지는 함수이고, 로그는 어떤 값을 만들기 위해 밑을 몇 제곱해야 하는지를 구하는 지수함수의 역연산입니다.

쉽게 풀면

은행에 돈을 복리로 맡겼다고 생각해 보세요. 원금이 매년 일정한 비율(예: 연 5%)로 계속 불어나면, 시간이 지날수록 늘어나는 금액은 갈수록 더 가팔라집니다. 처음 몇 년은 조금씩 늘지만 20년, 30년이 지나면 눈덩이처럼 커지죠. 이렇게 "일정한 비율로 곱해지며 커지는" 변화가 바로 지수함수입니다. 그런데 반대로 "지금 가진 돈이 원금의 두 배가 되려면 몇 년이 걸릴까?"를 알고 싶다면, 이번엔 거꾸로 계산해야 합니다. 이때 쓰는 도구가 로그입니다. 즉 지수함수가 "밑을 몇 번 곱하면 얼마가 되는가"를 계산한다면, 로그는 "얼마가 되려면 밑을 몇 번 곱해야 하는가"를 거꾸로 찾는 것입니다. 지진 규모나 소리의 크기(dB), 산성도를 나타내는 pH처럼 값의 범위가 너무 넓어서 그대로 다루기 힘든 양을 다룰 때, 로그를 쓰면 압축된 눈금으로 편하게 비교할 수 있습니다.

왜 중요한가

지수함수와 로그함수는 인구 성장, 방사성 붕괴, 화학 반응속도, 전염병 확산, 신경망의 활성화 함수 등 매우 다양한 자연현상과 공학적 모델의 기본 언어로 쓰이기 때문에 거의 모든 정량적 학문의 논문에서 등장합니다. 특히 값의 범위가 여러 자릿수에 걸쳐 넓게 퍼진 데이터를 다룰 때, 로그 변환은 관계를 단순화하고 통계 분석을 가능하게 만드는 실질적인 도구로 널리 활용됩니다.

논문에서는 이렇게 쓰입니다

"반응물의 농도는 시간에 따라 지수적으로 감소하였으며(R²=0.98), 자연로그를 취해 선형화한 결과 반응속도상수 k를 정확히 산출할 수 있었다."

이 문장은 원래 데이터가 지수 형태로 휘어져 있어 직선으로 분석하기 어려웠지만, 값에 로그를 취함으로써 직선 형태로 바꾸어 통계 분석(회귀분석)을 쉽게 적용했다는 뜻입니다.

"감염병 확산 초기 단계에서 누적 확진자 수는 지수함수 형태의 증가를 보였으며, 이후 봉쇄 조치 이후에는 증가율이 뚜렷하게 둔화되었다."

역학 모델에서는 감염이 통제되지 않을 때 확진자 수가 일정한 비율로 계속 곱해지며 늘어나는 지수적 패턴을 보인다는 것을 설명하는 표현입니다.

"신경망의 출력값을 확률로 변환하기 위해 소프트맥스 함수를 사용하였으며, 이 함수는 지수함수를 이용해 각 클래스의 상대적 크기를 정규화한다."

딥러닝에서는 여러 출력값의 크기 차이를 지수함수로 증폭시킨 뒤 전체 합으로 나누어, 값이 큰 클래스일수록 더 높은 확률을 갖도록 만든다는 의미입니다.

조금 더 깊게 보면

자연현상에서는 자연로그의 밑인 e(약 2.718)가 특히 자주 등장하는데, 이는 연속적으로 복리 성장하거나 감쇠하는 과정을 수학적으로 가장 단순하게 표현할 수 있는 밑이기 때문입니다. 지수적 증가나 감소를 다룰 때는 특정 값에 도달하는 데 걸리는 시간을 나타내는 반감기(half-life)나 배가시간(doubling time) 같은 파생 지표도 함께 사용됩니다. 로그 변환은 데이터를 선형화할 뿐 아니라, 곱셈적 오차를 덧셈적 오차로 바꿔 통계 모형의 등분산 가정을 더 잘 만족시키는 효과도 있어 회귀분석 전처리 단계에서 자주 활용됩니다.

주의할 점

로그를 취할 수 있는 값(진수)은 반드시 0보다 큰 양수여야 하며, 0이나 음수의 로그는 정의되지 않습니다. 또한 지수함수와 로그함수는 서로 역함수 관계이므로, 하나를 이해하려면 두 함수가 서로를 거꾸로 뒤집은 관계라는 점을 함께 기억해야 합니다.