지역 이론 확장의 조합과 효율적 추론

초록

본 논문은 비공통 서명 위에 정의된 이론들의 조합에서 효율적인 계층적 추론이 가능한 ‘지역 확장(local extension)’이라는 개념을 제시하고, 이러한 확장이 서로 결합될 때 다시 지역 확장이 되는 조건을 규명한다. 이를 통해 보다 넓은 이론 클래스와 비공통 서명 조합에 대한 모듈식 검증 기법을 제공한다.

상세 분석

논문은 먼저 기존의 이론 확장 체계에서 “지역성(locality)”이라는 핵심 속성을 정의한다. 지역 확장은 기본 이론 T와 새로운 함수·상수·공리 집합 K가 결합된 T ∪ K 형태이며, 여기서 중요한 점은 T‑모델에 대한 만족 판정이 K‑공리의 제한된 부분집합만을 고려하면 충분하다는 것이다. 즉, K‑공리의 모든 인스턴스를 전역적으로 검증할 필요 없이, ‘관련된’ 인스턴스만을 추출해 T‑모델 위에서 검증하면 된다. 이는 ‘계층적 추론(hierarchical reasoning)’을 가능하게 하며, 증명 검색 공간을 급격히 축소한다.

논문은 여러 전형적인 사례를 제시한다. 예컨대, 배열 이론에 대한 인덱스 연산을 추가하는 경우, 배열 자체는 기본 이론 T이고 인덱스 연산과 그에 대한 제한(예: 인덱스 범위 공리)은 K에 해당한다. 이러한 구조는 자동 정리 도구에서 배열의 기본 연산과 새로운 연산을 독립적으로 처리하면서도 전체 시스템의 일관성을 보장한다. 또 다른 예는 실수 체에 대한 구간 연산, 군 이론에 대한 서브그룹 생성 연산 등이며, 모두 지역 확장의 형태를 띤다.

핵심 기술은 “공리 인스턴스 제한(ground instance restriction)”이다. 저자들은 K‑공리의 모든 가능한 지상 인스턴스를 생성하는 대신, T‑모델에서 실제로 등장하는 서술에만 적용되는 제한된 인스턴스 집합을 정의한다. 이를 위해 ‘충분히 일반적인’ 변수 치환과 ‘정규 형태’ 변환을 이용해 인스턴스 공간을 유한하게 만든다. 결과적으로, SAT/SMT 솔버가 기존 이론 T에 대해 이미 최적화된 절차를 그대로 활용하면서, K‑공리의 영향을 최소화할 수 있다.

조합 부분에서는 두 개 이상의 지역 확장 T ∪ K₁, T ∪ K₂가 동일한 기본 이론 T를 공유할 때, 이들의 합 T ∪ (K₁ ∪ K₂) 역시 지역 확장이 되기 위한 충분조건을 제시한다. 주요 조건은 (1) K₁과 K₂가 서로 독립적인 서명 부분을 갖거나, (2) 공통 서명에 대해 충돌이 없으며, (3) 각 확장이 개별적으로 만족하는 ‘공리 전파(property of propagation)’가 조합에서도 유지된다는 것이다. 이러한 조건을 만족하면, 복합 시스템의 검증을 각각의 부분 시스템에 대한 검증으로 분해할 수 있어, 모듈식 검증이 가능해진다.

마지막으로 저자들은 이론적 결과를 실제 자동 증명 도구에 적용한 실험을 제시한다. 배열·정수·실수 조합, 그리고 데이터베이스 트리거와 같은 복합 도메인에서 지역 확장 기반 모듈식 추론이 전통적인 전역 인스턴스 생성 방식보다 평균 3~5배 빠른 성능을 보였으며, 메모리 사용량도 현저히 감소하였다. 이는 지역 확장 개념이 실용적인 자동화 도구에 바로 적용될 수 있음을 입증한다.