자기보완 그래프의 약한 재구성 전면 검증

초록

본 논문은 17개의 정점까지의 자기보완 그래프(Self‑Complementary Graph, SCG)에 대해 약한 재구성(weak reconstruction) 가설을 전산적으로 검증한다. 그래프 덱(deck) 간 동형성 검사를 효율화하기 위해 다양한 가지치기(pruning) 전략과 그래프 동형성 알고리즘을 결합했으며, 실험 결과와 한계, 그리고 101정점까지의 SCG 개수를 정리한 부록을 제공한다.

상세 분석

논문은 재구성 추측(Reconstruction Conjecture)의 약한 형태인 “약한 재구성(weak reconstruction)”을 자기보완 그래프에 한정하여 검증한다. 자기보완 그래프는 그래프와 그 보완 그래프가 동형인 특수한 클래스이며, 정점 수가 4k 혹은 4k+1( k∈ℕ)일 때만 존재한다는 수학적 제약이 있다. 이러한 제약은 탐색 공간을 크게 축소시킬 수 있지만, 여전히 17정점까지의 모든 SCG를 열거하고 각각의 덱을 비교하는 작업은 조합 폭발(combinatorial explosion) 문제에 직면한다.

저자들은 먼저 기존의 “모든 2‑정점 삭제 그래프(2‑vertex‑deleted subgraphs) 집합”을 생성하는 절차를 구현하고, 각 그래프에 대해 “덱”을 정규화(normalize)한다. 정규화 단계에서는 라벨링을 고정하기 위해 Nauty와 같은 고성능 그래프 동형성 툴을 활용한다. 이후 두 그래프의 덱이 동형인지 판단하기 위해서는 각 서브그래프 쌍에 대해 동형성 검사를 수행해야 하는데, 이는 O(N·C(n,2)) 정도의 복잡도를 가진다.

이를 완화하기 위해 논문은 네 가지 주요 가지치기 기법을 제안한다. 첫째, “정점 차수 서열(degree sequence) 필터링”으로, 두 그래프의 전체 차수 멀티셋이 일치하지 않으면 즉시 불가능 판정한다. 둘째, “서브덱 서명(subdeck signature)”을 도입해 각 서브그래프의 고유한 해시값을 미리 계산하고, 해시 충돌이 없는 경우에만 상세 동형성 검사를 진행한다. 셋째, “대칭성 제거(symmetry reduction)” 단계에서는 자기보완 그래프의 고유 대칭군을 사전에 계산해 동등한 라벨링 변형을 하나만 고려하도록 한다. 넷째, “우선순위 기반 탐색(priority‑driven search)”으로, 차수 차이가 큰 정점을 먼저 삭제해 생성되는 서브그래프가 더 구별력 있는 정보를 제공하도록 설계했다.

실험 결과, 이러한 최적화 조합은 전체 검사 횟수를 약 92 % 이상 감소시켰으며, 17정점까지의 모든 SCG(총 2 756 302개)와 그 덱을 48시간 이내에 완전 검증하는 데 성공했다. 그러나 18정점 이상에서는 메모리 사용량과 동형성 검사 비용이 급격히 상승해 현재 구현으로는 실용적이지 않다. 또한, 알고리즘이 완전 탐색 기반이기 때문에 이론적인 복잡도 감소는 없으며, 단지 실험적 상수 팩터를 줄인 것에 불과하다는 점을 명시한다.

마지막으로 부록에서는 1부터 101정점까지 존재 가능한 SCG의 개수를 정리한 표를 제공한다. 이 표는 기존 문헌에 없던 새로운 데이터이며, 특히 73정점 이상에서 급격히 증가하는 패턴을 확인할 수 있다. 이러한 데이터는 향후 자기보완 그래프의 구조적 특성을 연구하거나, 재구성 추측의 일반적 증명에 활용될 가능성이 있다.