그래프 재작성과 편극 복제

초록

본 논문은 그래프 변환 과정에서 노드 복제를 정교하게 제어하기 위해 ‘편극 그래프’를 도입한다. 노드마다 복제 방식(전체 복제, 출력만 복제, 입력만 복제, 복제 없음)을 표시하는 편극 주석을 달고, 이를 이용해 규칙을 정의한다. 변환 단계는 최종 풀백 컴플리먼트(Final Pullback Complement)와 푸시아웃(Pushout) 연산을 차례로 적용하는 ‘편극 세스키‑푸시아웃(polarized sesqui‑pushout)’ 방식으로 수행된다. 기존의 세스키‑푸시아웃, 이종 푸시아웃, 어댑티브 스타 그래머 규칙을 모두 포괄하며, 알고리즘적 구현도 제시한다.

상세 분석

이 논문은 그래프 재작성 이론에 새로운 차원을 추가한다. 핵심 아이디어는 ‘편극 그래프(polarized graph)’라는 개념으로, 이는 일반 그래프에 각 노드에 대한 복제 방식을 명시하는 주석(polarization)을 부착한 구조이다. 편극은 네 가지 형태로 구분된다. 첫째, **전체 복제(full cloning)**는 노드와 그에 연결된 모든 입·출력 간선을 함께 복제한다. 둘째, **출력 전용 복제(outgoing‑only cloning)**는 노드와 그가 내보내는 간선만 복제하고, 입력 간선은 기존 노드에만 남긴다. 셋째, **입력 전용 복제(incoming‑only cloning)**는 반대로 입력 간선만 복제한다. 마지막으로 **무복제(no cloning)**는 노드 자체만 남기고 간선은 복제하지 않는다. 이러한 세분화는 기존 그래프 변환 프레임워크가 제공하던 ‘전체 복제’ 혹은 ‘복제 없음’만을 허용하던 한계를 극복한다.

규칙 정의는 전통적인 스팬(span) 형태를 유지하되, 왼쪽(L)과 오른쪽(R) 그래프는 일반 그래프이고, 인터페이스(I)는 편극 그래프로 설정한다. 인터페이스의 편극 주석은 변환 과정에서 어떤 노드가 어느 방식으로 복제될지를 명시한다. 변환 단계는 두 단계로 구성된다. 첫 번째는 **최종 풀백 컴플리먼트(Final Pullback Complement, FPBC)**를 이용해 L‑I 매핑을 역으로 확장하여 복제된 노드와 연결 구조를 미리 구성한다. FPBC는 카테고리 이론에서 ‘최대’의 역상태를 보장하므로, 복제 옵션이 충돌하지 않도록 하는 역할을 한다. 두 번째 단계는 **푸시아웃(Pushout)**을 적용해 FPBC 결과와 R‑I 매핑을 결합함으로써 최종 그래프 G를 생성한다. 이 두 연산을 연속적으로 적용하는 방식을 ‘편극 세스키‑푸시아웃(polarized sesqui‑pushout, PSqPO)’이라 명명한다. PSqPO는 기존 세스키‑푸시아웃(SqPO)이 제공하던 ‘한쪽 푸시아웃, 한쪽 풀백’ 구조에 편극 정보를 추가함으로써 복제 제어를 정밀하게 구현한다.

논문은 또한 PSqPO가 세스키‑푸시아웃, 이종 푸시아웃(heterogeneous pushout), **어댑티브 스타 그래머(adaptive star grammars)**와 어떻게 관계되는지를 정리한다. 세스키‑푸시아웃은 복제 옵션이 ‘전체 복제 또는 없음’에 국한되지만, PSqPO는 이를 세분화하여 포함한다. 이종 푸시아웃은 타입이 다른 노드 집합을 다루지만, 편극 주석을 통해 타입 구분 없이 복제 방식을 지정할 수 있다. 어댑티브 스타 그래머는 별 구조를 동적으로 재구성하는데 초점을 맞추는데, PSqPO는 별 구조뿐 아니라 일반 그래프 전반에 동일한 메커니즘을 적용한다. 따라서 PSqPO는 이들 기존 모델을 특수 경우로 포함한다는 점에서 이론적 통합성을 제공한다.

알고리즘적 측면에서는, 논문이 제시한 절차는 다음과 같다. (1) 규칙 매칭 단계에서 L‑G 사이의 호모모피즘을 찾고, 매칭된 노드들의 편극 정보를 인터페이스에 매핑한다. (2) 매칭 결과를 기반으로 FPBC를 계산해 복제된 노드와 새로운 간선 집합을 생성한다. (3) R‑I 매핑과 FPBC 결과를 푸시아웃 연산으로 결합해 최종 그래프를 만든다. 이 과정은 전통적인 그래프 변환 엔진이 지원하는 매칭·재작성 파이프라인에 쉽게 삽입될 수 있다. 복제 옵션에 따라 새로 생성되는 노드와 간선 수가 달라지므로, 알고리즘 복잡도는 매칭된 노드 수와 복제 정도에 선형적으로 비례한다. 논문은 구현 시 메모리 관리와 중복 생성 방지를 위한 ‘노드 식별자 재사용’ 전략을 제안한다.

마지막으로, 논문은 카테고리적 성질을 검증한다. PSqPO 변환은 합성 가능성(composition)과 동형 사상 보존(preservation of isomorphisms)을 만족한다. 즉, 두 연속된 변환을 하나의 PSqPO 규칙으로 합성할 수 있으며, 변환 전후 그래프가 동형이면 변환 결과 역시 동형임을 보장한다. 이러한 성질은 그래프 변환 시스템의 예측 가능성과 모듈성에 기여한다. 전체적으로, 편극 복제라는 새로운 메커니즘을 통해 그래프 재작성의 표현력과 유연성을 크게 확장했으며, 기존 모델과의 관계를 명확히 함으로써 이론적 기반을 탄탄히 다졌다.