다중값 논리함수 변환을 위한 보편적 알고리즘

초록

본 논문은 진리표 형태로 주어진 다중값 논리함수를 任意 개수의 변수에 대해 변환할 수 있는 알고리즘을 제시한다. 변환 과정은 함수의 입력‑출력 매핑을 구조화된 행렬로 재구성하고, 이를 기반으로 목표 형태(예: 표준형, 최소형, 합성형 등)로의 일괄 변환을 수행한다. 알고리즘은 기존의 카르노 지도·퀸‑맥클러스키와 달리 변수 수와 값의 종류에 제한이 없으며, 논리합성·단순화·다중값 회로 설계 등 다양한 응용에 활용될 수 있는 보편성을 갖는다.

상세 분석

이 논문이 제시하는 변환 알고리즘은 먼저 입력‑출력 관계를 N‑차원 텐서 형태의 진리표로 표현한다. 각 차원은 변수 하나에 대응하며, 변수의 값 도메인은 0 ~ (k‑1) 로 정의된 k‑진법을 따른다. 알고리즘의 핵심 단계는 (1) 진리표를 정규화하여 중복·불필요한 행을 제거하고, (2) 정규화된 테이블을 행렬·벡터 연산에 적합한 형태로 재구성하는 것이다. 여기서 저자는 고유한 인덱스 매핑 함수를 도입해 다중값 조합을 1차원 인덱스로 압축하고, 역매핑을 통해 원래 변수 조합을 복원한다.

다음 단계에서는 목표 변환 형태에 따라 변환 규칙 집합을 적용한다. 예를 들어, 최소합(min‑sum) 형태로 변환하려면 각 출력값이 1이 되는 입력 조합을 찾아 최소 커버링 문제로 환원하고, 이를 비트마스크 기반의 그리디 혹은 브랜치‑앤‑바운드 기법으로 해결한다. 반대로 표준형(standard form)으로 변환할 경우, 모든 가능한 입력 조합에 대해 출력값을 직접 열거하고, 이를 다항식 형태(예: Reed‑Muller 다항식)로 전개한다. 논문은 이러한 전환 과정을 모두 동일한 행렬 연산 파이프라인 안에서 수행할 수 있음을 증명한다.

알고리즘의 복잡도 분석에서는 입력 변수 수를 n, 값의 종류를 k라 할 때, 진리표 크기가 kⁿ에 비례함을 인정한다. 그러나 저자는 사전 정규화와 인덱스 압축을 통해 실제 메모리 사용량을 O(kⁿ)에서 O(kⁿ⁄log k) 수준으로 감소시킬 수 있음을 실험적으로 보여준다. 또한 변환 규칙 적용 단계는 대부분 선형(또는 준선형) 시간에 수행되며, 특히 다중값 회로 설계에서 요구되는 대규모 함수 변환에 실용적이다.

보편성에 대한 논의에서는 기존 2‑값 논리 변환 기법과의 비교가 이루어진다. 카르노 지도는 변수 수가 6 이상이면 시각적 한계가 발생하고, 퀸‑맥클러스키는 최소항 탐색 시 지수적 복잡도가 나타난다. 반면 제안된 알고리즘은 변수 수와 값의 종류에 독립적인 구조적 접근을 사용하므로, “보편적”이라는 주장에 설득력을 제공한다. 다만, 논문은 알고리즘의 최악 경우 시간 복잡도에 대한 이론적 상한을 명시하지 않았으며, 실제 대규모 kⁿ 규모의 함수에 대한 실험 데이터가 부족한 점이 한계로 지적된다.

마지막으로 저자는 이 알고리즘을 FPGA·ASIC 설계 자동화, 다중값 논리 회로 최적화, 그리고 인공지능 모델의 논리 기반 해석 등에 적용할 가능성을 제시한다. 특히 다중값 논리의 표현력이 증가함에 따라 기존 2‑값 기반 설계 툴의 한계를 극복할 수 있는 기반 기술로서의 가치를 강조한다.