선택적 인과관계와 양자 물리학의 교차점

초록

본 논문은 여러 입력 요인과 상호 의존적인 출력 변수들 사이의 선택적 인과관계를 규정하는 ‘공동분포 기준(Joint Distribution Criterion, JDC)’을 제시한다. 입력‑출력 값이 유한할 경우, JDC는 선형 방정식·부등식 시스템의 실현 가능성을 검증하는 ‘선형 타당성 검사(Linear Feasibility Test)’로 변환된다. 흥미롭게도 이 방법은 양자역학의 Bell 부등식 일반화와 동일한 수학적 구조를 가지며, 비가환 측정들을 서로 배타적인 요인 수준으로 해석함으로써 행동과학과 양자물리학을 연결한다.

상세 분석

논문은 먼저 ‘선택적 영향(Selective Influence)’이라는 개념을 형식화한다. 입력 요인(α, β, γ, δ 등)은 결정적이며, 각 요인은 유한한 수준을 가진 집합으로 정의된다. 출력 변수(A, B, C 등)는 확률 변수이며, 같은 실험 조건(처리) φ에 따라 공동분포를 가진다. 핵심 문제는 “각 출력이 어느 입력에만 의존하는가”를 판별하는 것이며, 이는 전통적인 독립성 가정이 깨지는 상황에서도 의미를 갖는다.

이를 해결하기 위해 저자들은 ‘공동분포 기준(JDC)’을 도입한다. JDC는 모든 입력 수준에 대해 각각 하나의 잠재 확률 변수 Hₓᵅ, Hₓᵦ,…를 가정하고, 이들 변수들의 전역적인 공동분포가 존재할 경우에만 선택적 영향 다이어그램이 타당하다고 선언한다. 즉, 각 출력 Aᵢ는 해당 입력 수준 φ{αᵢ}와 동일한 잠재 변수 H_{φ{αᵢ}}의 함수 fᵢ에 의해 생성될 수 있다. 이때 R이라는 추상적 랜덤 엔터티는 실제로는 유한값을 갖는 확률 변수로 대체 가능함을 정리(정리 2.3)한다.

입력·출력 값이 유한 집합이면 JDC는 선형 프로그래밍 문제로 변환된다. 구체적으로, 각 잠재 변수에 대한 확률 질량을 변수로 두고, 모든 처치 φ에 대해 관측된 결합분포와 일치하도록 선형 제약식을 설정한다. 이 제약식들의 실현 가능 여부를 확인하는 것이 ‘선형 타당성 검사(Linear Feasibility Test)’이며, 이는 기존의 Bell‑type 부등식 검증과 동일한 수학적 구조를 가진다.

양자역학과의 연결 고리는 비가환 측정이 서로 배타적인 요인 수준으로 해석될 수 있다는 점에 있다. 예를 들어, 두 입자에 대한 스핀 측정은 동시에 수행될 수 없으며, 각각을 서로 다른 요인 수준(α₁, α₂ 등)으로 본다. 그러면 양자 얽힘 실험에서 요구되는 ‘전통적(클래식) 설명 가능성’은 바로 JDC가 만족되는지 여부와 동치가 된다. 따라서 Bell 부등식 위반은 선택적 영향 다이어그램이 불가능함을 의미하고, 반대로 JDC가 만족되면 양자 시스템도 전통적 확률론적 모델로 설명될 수 있다.

이러한 이론적 프레임워크는 심리학·인지과학에서의 반응시간 분해, 쌍대 비교, 동시·순차적 정신 과정 모델링 등 다양한 응용에 바로 적용 가능하다. 특히, 실험 설계가 완전 교차되지 않거나 일부 처리만 가능한 불완전 설계에서도 JDC와 선형 타당성 검사를 이용해 선택적 영향 구조를 검증할 수 있다.

요약하면, 논문은 선택적 인과관계를 확률론적 관점에서 엄밀히 정의하고, 이를 검증하는 실용적인 선형 프로그래밍 방법을 제시함과 동시에, 동일한 수학적 구조가 양자 얽힘 문제에도 나타남을 보여 두 분야 사이의 깊은 연결 고리를 밝힌다.