지수 비선형 반응‑확산 방정식의 군분류와 클래스 매핑 기법

본 논문은 지수형 비선형 항을 포함하는 반응‑확산 방정식군의 군분류 문제를 ‘클래스 간 매핑’ 기법을 통해 해결한다. 서론에서는 PDE의 대칭성 분석이 물리·수학 모델을 구분하고, 고유한 해를 찾는 데 핵심적임을 강조한다. 기존의 두 가지 접근법(동등군 기반 대수적 방법과 직접적인 결정방정식 해법)의 한계를 지적하고, 보다 일반적인 클래스 매핑 기법을 소개한다. 첫 번째 주요 단계는 식 (1) \(f(x)u_t=(g(x)u_x)_x+h(x)e^{mu}\) 에 대한 일반화·확장된 동등변환군 \(\hat G^\sim\) 를 도출하는 것이다. 여기서는 시간·공간 변수와 종속 변수를 선형 변환 및 적분 변환으로 바꾸는 것이 핵심이며, 임의 함수 \(\varphi(x)\) 와 적분 상수 \(\delta_i\) 로 매개된다. 이 변환을 이용해 식 (1)을 식 (3) \(f(x)u_t=(f(x)u_x)_x+h(x)e^{u}\) 로 단순화한다. 다음으로 종속 변수를 \(v=u+\omega(x)\) 로 치환해 식 (5) \(v_t=v_{xx}+F(x)v_x+\varepsilon e^{v}+H(x)\) 로 변환한다. 여기서 \(F(x)=f_x/f-1\), \(H(x)=-\omega_{xx}-\omega_xF\) 로 정의되며, \(\varepsilon=\operatorname{sign}(fh)\) 이다. 이 단계는 원래 방정식의 복잡한 계수를 새로운 함수 \(F,H\) 로 압축함으로써 대칭 분석을 용이하게 만든다. 식 (5)에 대한 Lie 대칭 분석은 전통적인 무한소 변분법을 적용한다. 일반 동등변환군 \(G^\sim\) 은 시간·공간 스케일링과 평행 이동을 포함하고, 핵심 대칭은 \(\partial_t\) 로 확인된다. 최대 대칭이 확장되는 경우는 표 1에 6가지 유형으로 정리된다. 각 유형은 \(F(x),H(x)\) 의 특정 형태와 대응되며, 예를 들어 \(F=\alpha x^{-1}, H=\beta x^{-2}+2\mu\) 일 때는 \(\langle \partial_t,\,\alpha x\partial_x+\mu\partial_v\rangle\) 와 같은 2차원 대칭군을 갖는다. 표 1의 결과를 원래 변수 \(f(x),h(x)\) 로 되돌리기 위해 관계식(6)을 풀이한다. 이 과정에서 적분 상수와 오류 함수(Erf) 등을 포함한 일반 해가 도출되며, 표 2에 그 일반 형태가 제시된다. 각 경우에 대해 \(f(x)\) 와 \(\omega(x)\) 를 구하고, 이를 이용해 \(h(x)=\delta f(x)e^{\omega(x)}\) 를 얻는다. 최종적으로 표 3은 원래 방정식(3)의 군분류 결과를 제공한다. 여기서는 각 케이스마다 최대 대칭군의 기저와 해당 \(f,h\) 의 구체적 표현을 명시한다. 그 후, 대칭을 활용한 정확해 구축 방법을 제시한다. 예시로 \(v_t=v_{xx}+v_x+e^{v}+\gamma\) (케이스 4) 를 고려한다. 이 방정식은 2차원 대칭군 \(\langle\partial_t,\partial_x+(1+\gamma)\partial_u\rangle\) 를 가지며, 최적 부분대칭을 이용해 변수 감소와 대수 방정식으로의 환원을 수행한다. 결과적으로 \(\tilde u=(1+\gamma)\tilde x+\ln|1+\gamma|\) 와 같은 해를 얻고, 이를 역변환해 원래 방정식 \(e^{x}u_t=(e^{x}u_x)_x+e^{-\gamma x}+c_1e^{-x}+c_2e^{u}\) 의 정확해를 도출한다. 결론에서는 클래스 매핑과 일반화된 동등변환군을 결합한 방법이 복잡한 비선형 PDE의 군분류와 정확해 탐색을 동시에 가능하게 함을 강조한다. 이 기법은 기존의 직접적인 결정방정식 해법보다 넓은 적용 범위를 가지며, 향후 비선형 확산‑전달 방정식, 비고전적 대칭, 보존법칙 등 다양한 분야에 확장 가능함을 제시한다.