화학 반응망에서 출력 최대화와 자기촉매 탐지의 NP 완전성

초록

본 논문은 화학 반응망(CRN)에서 원하는 생성물을 최대량 생산하도록 흐름을 배정하는 문제와, 초기 물질이 없이는 생성되지 않지만 한 번 존재하면 스스로 증식하는 자기촉매 종을 찾는 문제가 모두 NP‑완전임을 증명한다. 특히 반응이 단분자·이분자 수준이고 입력 물질이 하나뿐인 경우에도 난이도가 유지됨을 보이며, 따라서 대규모 네트워크 분석에는 근사·휴리스틱 방법이 필요함을 강조한다.

상세 분석

논문은 먼저 화학 반응망을 정점(물질)과 하이퍼엣지(반응)로 구성된 다중유향 하이퍼그래프 형태로 정의한다. 각 반응은 전구체와 생성물의 다중집합으로 표현되며, 스토이키오메트리 행렬 S는 전구체와 생성물의 계수를 차감해 얻는다. 흐름 f는 모든 정점에 대해 전구체와 생성물의 총량이 균형을 이루도록 하는 비음수 정수 함수이며, 입력·출력 가상 정점(e_in, e_out)을 통해 외부 물질의 유입·유출을 모델링한다.

핵심 문제는 두 가지이다. 첫째, MAX‑CRN‑Output은 주어진 출력 정점 y_out에 대한 흐름 f(e_out(y))를 최대화하는 것이다. 변형으로 MAX‑CRN(d)‑Output은 각 반응의 입·출 차수가 d 이하인 경우, MAX‑CRN(d)‑Output‑1은 입력 정점이 하나뿐인 경우를 다룬다. 둘째, AutoCatalysis 문제는 어떤 물질 x가 외부 입력 없이 자체적으로 증식할 수 있는지, 즉 흐름이 존재할 때 f(e_out(x)) > f(e_in(x)) > 0이면서 f(e_in(x)) = 0이면 생산이 불가능한지를 판별한다.

NP‑완전성을 보이기 위해 저자들은 강력히 NP‑완전한 3‑Partition 문제를 다항 시간 내에 CRN 형태로 변환한다. 변환 과정은 크게 두 단계로 이루어진다. 첫 단계에서는 입력 정점, 스위치 정점, 폐기물 정점, 출력 정점으로 구성된 격자형 네트워크를 만든다. 각 스위치 정점은 “on” 혹은 “off” 두 상태를 가질 수 있으며, “on”일 때 왼쪽 입력을 소비하고 동일량을 출력 채널로 보낸다. 3‑Partition의 해가 존재하면 스위치 정점들의 배치를 통해 전체 입력량이 손실 없이 출력 정점으로 전달되어 최대 흐름 s = Σ s_i 를 달성한다. 반대로 최대 흐름이 s에 도달하면 스위치 배치가 3‑Partition 해와 일치함을 보인다.

두 번째 단계에서는 위 격자 네트워크의 각 스위치를 실제 화학 반응망으로 대체한다. 여기서는 전구체 Q_i와 보조 물질 Z_j를 사용해 s_i 개의 출력 물질 O를 생성하는 일련의 반응을 설계한다. 반응은 단분자·이분자 형태만을 사용하도록 변형 가능하며, 필요 시 가상의 “drain” 반응을 추가해 남은 물질을 폐기물 정점으로 보낸다. 이렇게 구성된 CRN은 입력 물질이 하나뿐인 경우에도 동일한 최적 흐름 구조를 유지한다.

AutoCatalysis 문제는 위 구성에서 특정 물질 x를 입력 정점으로 지정하고, 그 물질이 “on” 스위치에 해당하는 경우에만 자체 생산이 가능하도록 설계함으로써 NP‑완전성을 귀결한다. 즉, x가 자기촉매가 되려면 3‑Partition 해가 존재해야 하며, 이는 결정 문제로 환원될 수 있다.

결과적으로, 논문은 (1) 출력 최대화 문제, (2) 제한된 반응 차수와 입력 수 조건, (3) 자기촉매 탐지 문제가 모두 NP‑완전임을 증명한다. 이는 기존에 알려진 EFMs(기본 흐름 모드) 계산이 다항 시간에 가능하다는 점과 대비된다. 따라서 대규모 메타볼릭 네트워크에서 정확한 최적 해를 구하는 것은 이론적으로 불가능에 가깝고, 실용적인 도구는 근사 알고리즘, 휴리스틱, 혹은 제한된 서브클래스에 대한 특수 알고리즘에 의존해야 함을 시사한다.