라플라이터 군의 유클리드 왜곡과 최적 임베딩

초록

본 논문은 순환 라플라이터 군 (C_{2}\wr C_{n})이 힐베르트 공간에 (\Theta(\sqrt{\log n}))의 왜곡으로 임베딩될 수 있음을 보인다. 기존 하한과 일치하는 상한을 구성함으로써 이 군의 유클리드 왜곡이 정확히 (\sqrt{\log n}) 차수임을 확정한다. 임베딩은 군의 비가환 표현을 이용한 명시적 구성이며, 유한 군의 최적 유클리드 임베딩이 항상 동형성(equivariant)일 수 있다는 일반적 사실을 활용한다.

상세 분석

이 논문은 라플라이터 군 (C_{2}\wr C_{n})의 유클리드 왜곡을 정확히 평가한다는 점에서 의미가 크다. 라플라이터 군은 ‘램프’를 켜고 끄는 상태와 ‘보행자’의 위치를 결합한 반직접곱 구조로, 비가환성과 큰 규모의 복합성을 동시에 가지고 있다. 기존 연구인 Lee‑Naor‑Peres(2009)는 이 군이 힐베르트 공간에 (\Omega(\sqrt{\log n}))의 왜곡을 가질 수밖에 없다는 하한을 증명했지만, 상한에 대한 명확한 결과는 없었다. 저자들은 군의 모든 비가역적(irreducible) 복소수 표현을 체계적으로 이용해, 각 표현에 대한 고유값 분해와 푸리에 변환을 결합한 새로운 임베딩을 설계한다. 핵심 아이디어는 임베딩을 ‘동형성(equivariant)’하게 만들면, 군 작용이 좌표 변환으로 그대로 보존되므로 거리 보존을 분석하기가 용이해진다는 점이다. Aharoni‑Maurey‑Mityagin과 Gromov이 제시한 “최적 임베딩은 동형성 가능”이라는 일반 정리를 활용해, 저자들은 각 표현에 대해 적절한 가중치를 부여하고, 이를 합성해 전체 임베딩을 만든다. 이 과정에서 각 표현의 차원과 스펙트럼을 정밀히 추정하여, 전체 거리 왜곡이 (\sqrt{\log n}) 이하임을 보인다. 또한, 하한과 일치함을 확인하기 위해 기존의 마코프 체인 방법과 볼츠만‑마틴게일 기법을 재검토하고, 하한이 실제로는 최적임을 증명한다. 결과적으로, 라플라이터 군의 유클리드 왜곡이 (\Theta(\sqrt{\log n}))임을 확정함으로써, 비가환 유한 군의 임베딩 문제에 대한 새로운 표준을 제시한다. 이 접근법은 다른 반직접곱 군이나 복합 구조를 가진 군에도 적용 가능성을 열어 주며, 표현론적 도구가 거리 기하학적 문제 해결에 강력함을 보여준다.