게임 뮤 계산의 변수 계층

초록

이 논문은 완전 격자 위에서 해석되는 게임 µ‑계산의 변수 계층이 무한히 엄격함을 증명한다. 저자들은 각 n ≥ 1에 대해, n개의 고정점 변수를 사용해 전개되는 µ‑식에 대응하지만, n‑2개 이하의 변수로는 동등하게 표현할 수 없는 특수한 패리티 게임 Gₙ을 구성한다. 이를 통해 Lₙ₋₃ ⊂ Lₙ 인 포함이 엄격함을 보이며, 변수 계층이 무한히 구분된다는 결론을 얻는다.

상세 분석

논문은 먼저 기존 연구에서 모달 µ‑계산의 변수 계층이 변수 수에 따라 엄격히 구분된다는 사실을 소개하고, 이를 게임 µ‑계산에도 적용할 가능성을 제시한다. 게임 µ‑계산은 양자 논리식의 조합적 표현인 패리티 게임에 자유 변수(드로우 포지션)를 추가해 정의되며, 완전 격자 위에서의 표준 해석을 갖는다. 핵심 기술은 두 가지 복합적인 그래프 이론 개념, ‘엔탱글먼트(entanglement)’와 ‘피드백(feedback)’을 활용하는 것이다. 엔탱글먼트는 그래프를 트리와 백엣지 구조로 전개했을 때 최소 피드백 수를 의미하며, 이는 해당 µ‑식에 필요한 고정점 변수의 최소 개수와 일대일 대응한다.

저자들은 ‘⋆‑약한 시뮬레이션(⋆‑weak simulation)’이라는 새로운 관계를 정의한다. 한 그래프 G가 다른 그래프 H에 ⋆‑약하게 시뮬레이션될 경우, G의 모든 엣지를 H의 유한 경로로 대체할 수 있으며, 경로 간 교차는 원래 엣지의 교차와 일치한다. 주요 정리는 “E(G) − 2 ≤ E(H)”이며, 이는 일반적인 유향 그래프에 적용된다. 이 정리를 이용해, 특정 ‘강하게 동기화된 게임(strongly synchronizing game)’ Gₙ을 구성하면, Gₙ이 엔탱글먼트 n을 갖고, 이를 ⋆‑약하게 시뮬레이션할 수 있는 어떤 게임 H는 최소 엔탱글먼트 n‑2 이상을 가져야 함을 보인다. 즉, Gₙ은 변수 n으로 표현될 수 있지만, n‑3 이하의 변수로는 동등하게 표현될 수 없다는 것이다.

구체적인 구성 단계는 다음과 같다. (1) n‑클리크 구조를 모방한 패리티 게임 Gₙ을 설계해, 그 엔탱글먼트가 정확히 n임을 증명한다. (2) Gₙ이 ‘강하게 동기화된’ 특성을 만족하도록 설계해, 어떤 게임 H가 Gₙ과 의미적으로 동등하려면 H가 Gₙ을 ⋆‑약하게 시뮬레이션해야 함을 보인다. (3) 앞서 증명한 정리를 적용해, H의 엔탱글먼트가 최소 n‑2임을 도출한다. 결과적으로 Lₙ₋₃ ⊂ Lₙ 인 포함이 엄격함을 확인한다.

논문은 또한 자유 변수(드로우 포지션)의 수가 증가함에도 불구하고, 제한된 수(예: 3개의 생성자)만으로도 필요한 엔탱글먼트를 구현할 수 있음을 언급한다. 이는 자유 격자 이론에서 ‘자유 격자 on three generators’가 충분히 복잡한 구조를 표현할 수 있다는 기존 결과와 일맥상통한다. 마지막으로, 변수 계층과 교대 깊이 계층(alternation‑depth hierarchy)의 차이를 강조하며, 변수 계층의 무한성은 교대 깊이 계층의 무한성보다 강력한 구분을 제공한다는 점을 제시한다.