극한 에지 밀도 위의 작은 완전 마이너

초록

본 논문은 Mader의 고연결성 정리를 정점 팽창성으로 강화한 새로운 보조정리를 제시한다. 이를 이용해, 평균 차수가 c(t)+ε인 n정점 그래프가 K_t-마이너를 포함함을 보이며, 그 마이너의 정점 수가 O(ε⁻¹·log n·log log n) 이하임을 증명한다. 기존의 하위 그래프 구성 예시와 비교해 log log n 인자는 최적에 가깝다.

상세 분석

Mader(1972)의 정리는 “높은 평균 차수를 가진 그래프는 평균 차수가 거의 같은 고연결성 부분그래프를 포함한다”는 내용을 담고 있다. 이 정리는 그래프 이론에서 구조적 밀도와 연결성 사이의 기본적인 연결 고리를 제공하지만, 고연결성 자체가 마이너 존재를 보장하기엔 충분히 강력하지 않을 때가 있다. 저자들은 여기서 고연결성을 “정점 팽창성(vertex expansion)”이라는 보다 미세한 측정값으로 교체한다. 정점 팽창성은 작은 정점 집합이 인접하는 외부 정점 수가 얼마나 큰지를 정량화하는 개념으로, 마이너를 구성할 때 필요한 “확산” 능력을 직접적으로 반영한다. 논문은 먼저 Mader의 정리를 강화하는 보조정리(Lemma)를 증명한다. 이 보조정리는 평균 차수가 d인 그래프 G에 대해, 정점 팽창성이 Ω(d)인 부분그래프 H를 찾을 수 있음을 보인다. 핵심 아이디어는 임의의 정점 집합 S에 대해 |N(S)|≥α|S|를 만족하는 α를 적절히 선택하고, 이를 반복적으로 적용해 전체 그래프를 압축하면서 팽창성을 유지하는 것이다.

이 보조정리를 바탕으로, 기존에 알려진 “c(t)라는 최소 상수가 존재해, n정점 그래프가 c(t)n 이상의 에지를 가질 때 K_t-마이너를 포함한다”는 결과를 강화한다. Fiorini·Joret·Theis·Wood의 추측은 “c(t)+ε 만큼 초과하면, K_t-마이너의 정점 수가 O(log n) 수준으로 작아진다”는 것이었다. 저자들은 보조정리와 정점 팽창성을 이용해, 실제로 K_t-마이너를 O((1/ε)·log n·log log n) 정점으로 구현할 수 있음을 보인다. 여기서 log log n 인자는 현재 알려진 고환성(girth) 그래프의 하한과 일치하므로, 이 결과는 log log n 인자를 제외하고는 최적에 가깝다. 증명 과정에서는 먼저 고밀도 그래프에서 큰 팽창성을 가진 부분그래프를 추출하고, 그 안에서 작은 크기의 “코어”를 찾아 K_t-마이너를 구성한다. 핵심은 이 코어가 충분히 촘촘히 연결돼 있어, 마이너를 만들기 위한 축소(contraction) 과정에서 정점 수가 급격히 늘어나지 않도록 하는 것이다.

또한, 저자들은 기존의 고환성 그래프(예: 랜덤적인 고차원 그리드)들이 이 한계에 도달함을 보이며, 현재의 상한이 구조적으로 최적임을 논증한다. 이 결과는 그래프 마이너 이론에서 “밀도 → 마이너 크기” 관계를 정밀하게 규정하는 중요한 진전이며, 특히 알고리즘적 응용(예: 그래프 분해, 커널링)에서 작은 마이너를 효율적으로 찾는 기반을 제공한다.