무한 오토마톤 언어의 엔트로피 민감성

초록

이 논문은 유한 알파벳 위의 무한 라벨드 그래프를 자동화 모델로 해석하고, 두 정점 사이에서 읽을 수 있는 모든 단어들의 언어가 ‘성장 민감(growth‑sensitive)’함을 보인다. 즉, 어떤 유한한 금지 부분단어 집합 F를 제외하면 해당 언어의 지수적 성장률(엔트로피)이 원래보다 반드시 감소한다. 핵심 도구는 금지 전이(forbidden transitions)를 포함한 마코프 체인을 구성해 스펙트럼 반경을 분석하는 방법이다.

상세 분석

논문은 먼저 라벨이 붙은 무한 방향 그래프 ((X,E,\ell)) 를 정의하고, 이를 무한 자동화기로 간주한다. 두 정점 (x,y\in X) 사이의 언어 (L_{x,y}) 은 (x) 에서 시작해 (y) 로 도착하는 경로의 라벨 문자열 전체 집합으로 정의된다. 성장 민감성(growth‑sensitivity)은 임의의 비공허한 유한 금지 단어 집합 (F) 에 대해, 금지된 단어를 포함하지 않는 부분언어 (L_{x,y}^{F}) 의 엔트로피 (\mathbf{h}(L_{x,y}^{F})) 가 (\mathbf{h}(L_{x,y})) 보다 작음을 의미한다.

핵심 가정은 그래프가 locally finite(각 정점의 출입 차수가 유한)이며, strongly connected(모든 정점 쌍 사이에 경로 존재)이고, aperiodic(주기 1)인 경우이다. 이러한 조건 하에 그래프의 전이 행렬 (P) 를 확률 전이 행렬로 정규화하면, 마코프 체인 ((X,P)) 은 유일한 정상분포와 양의 스펙트럼 반경 (\rho(P)) 를 가진다.

금지 전이 집합 (F) 를 도입하면 기존 전이 행렬에서 해당 전이들을 0 으로 바꾸어 새로운 행렬 (P^{F}) 를 만든다. 저자들은 Perron–Frobenius 이론과 subadditive ergodic theorem 을 이용해 (\rho(P^{F})<\rho(P)) 임을 보인다. 여기서 (\rho) 가 바로 언어의 지수적 성장률과 일대일 대응한다는 점이 핵심이다. 즉, 금지 전이가 스펙트럼 반경을 감소시키면, 해당 언어의 단어 수가 지수적으로 더 느리게 증가한다는 결론에 도달한다.

증명 과정에서 저자들은 먼저 금지 전이가 없는 경우의 경로 카운팅 함수 (a_n(x,y)) 를 정의하고, (a_n(x,y)\approx C,\rho(P)^n) 형태의 비대칭적 대수를 얻는다. 그 다음, 금지 전이가 포함된 경우 (a_n^{F}(x,y)) 를 동일한 방식으로 추정하고, Frobenius 차이 (\rho(P)-\rho(P^{F})) 를 하한으로 잡는다. 이때 large deviation 기법을 활용해 금지 전이가 충분히 자주 발생하면 경로 수가 급격히 감소함을 보인다.

결과적으로, 모든 비공허한 유한 금지 집합 (F) 에 대해 (\mathbf{h}(L_{x,y}^{F})<\mathbf{h}(L_{x,y})) 가 성립함을 증명한다. 이는 기존의 유한 자동화기(regular languages)에서 알려진 결과를 무한 그래프 상황으로 일반화한 것으로, 특히 Cayley 그래프와 같은 군 이론적 구조나 symbolic dynamics 의 서브시프트에서도 적용 가능함을 시사한다.