이차원 널경계 9이웃 셀룰러 오토마타 선형 규칙의 이론과 응용

초록

본 논문은 2차원 널경계, 9이웃 셀룰러 오토마타(CA)의 선형 규칙을 체계적으로 분류하고, uniform 규칙이 이미지 복제 효과를, hybrid 규칙이 확대·축소·두께 조절 효과를 나타냄을 보인다. 또한 hybrid 규칙을 기반으로 한 Sweepers 알고리즘을 제안하여 이동, attractor CA, 패턴 분류·클러스터링, 이미지 압축·암호화, 밀도 분류 등 다양한 분야에 적용 가능함을 실험적으로 입증한다.

상세 분석

논문은 먼저 2‑D CA의 기본 구조를 정의한다. 셀은 3×3 이웃(중심 셀 포함)으로 구성되며, 경계는 ‘null‑boundary’, 즉 외부 셀을 0으로 고정한다. 선형 규칙은 각 이웃 셀의 값을 XOR(또는 모듈러 2 덧셈)으로 결합하는 형태이며, 2⁹⁻¹=511개의 비자명 규칙이 존재한다. 저자는 이 511개 규칙을 ‘인접 셀 수’에 따라 0~8개의 9개 그룹으로 나누었다. 예를 들어, 중심 셀만을 이용하는 규칙은 1그룹, 중심과 상하좌우 4개의 이웃을 이용하는 규칙은 5그룹에 속한다.

Uniform 규칙은 모든 셀에 동일한 선형 연산을 적용한다. 실험 결과, 특정 그룹에 속하는 uniform 규칙은 입력 이미지를 복제하여 격자 형태로 다중 복사본을 생성한다. 복제 수와 배열은 규칙이 포함하는 이웃의 개수와 위치에 따라 결정되며, 이는 이미지 확대와 유사한 효과를 만든다.

Hybrid 규칙은 셀마다 다른 선형 연산을 적용하거나, 동일 규칙이라도 시간에 따라 가중치를 변형한다. 저자는 대표적인 hybrid 패턴을 두 가지로 구분한다. 첫째, ‘줌인·줌아웃’ 효과는 이미지의 픽셀을 점진적으로 모으거나 퍼뜨려 크기를 변화시킨다. 둘째, ‘두껍게·얇게’ 효과는 경계선의 두께를 조절하여 형태를 강조하거나 소멸시킨다. 이러한 변형은 이웃 선택과 XOR 연산의 조합에 의해 정량적으로 제어된다.

핵심 기여는 hybrid 규칙을 이용한 ‘Sweepers 알고리즘’이다. 알고리즘은 초기 이미지(또는 데이터 포인트)를 중심 목표점으로 향하도록 CA 규칙을 순차적으로 적용한다. 각 단계에서 셀은 주변 셀과의 XOR 결과에 따라 이동 방향을 결정하며, 이는 마치 입자들이 중력장에 끌려가는 듯한 동역학을 만든다. 저자는 이를 이용해 다음과 같은 응용을 시연한다.

1. 이동 모델링: 개체가 하나의 목표점으로 수렴하는 시뮬레이션.
2. 단일·다중 attractor CA: 특정 패턴이 안정 상태( attractor )가 되는지 분석.
3. 패턴 분류·클러스터링: 데이터 군집을 CA 진화 과정에서 자연스럽게 형성.
4. 이미지 압축·암호화: 이미지 데이터를 CA 규칙으로 변환 후 역규칙으로 복원, 키 기반 XOR 연산을 이용해 보안성을 확보.
5. 밀도 분류 문제: 초기 셀들의 1/0 비율에 따라 최종 상태가 전부 1 또는 0이 되는지 판별, 기존 CA 기반 밀도 분류와 비교해 정확도와 수렴 속도가 개선됨.

실험에서는 표준 이미지(‘Lena’, ‘Cameraman’)와 인공 데이터셋을 사용했으며, 복제·확대·축소·두께 조절 정도를 정량화하기 위해 PSNR, SSIM, 구조적 변형 지표를 제시한다. 결과는 제안된 규칙과 알고리즘이 기존 방법에 비해 연산 복잡도는 O(N) 수준으로 유지하면서도 다양한 변형 효과와 응용 가능성을 동시에 제공함을 보여준다.

이 논문은 2‑D 선형 CA 규칙의 구조적 분류와 hybrid 규칙을 통한 동적 변환 메커니즘을 체계화함으로써, 이미지 처리뿐 아니라 복합 시스템 모델링, 데이터 보안 등 다방면에 활용 가능한 이론적 토대를 제공한다.