3SAT N의 복잡도와 공격적 진리 할당을 통한 P≠NP 주장

초록

본 논문은 3SAT_N이라는 정상형 3‑CNF SAT 문제를 정의하고, 기존 Tovey의 분류 결과를 확장하여 “공격적 진리 할당(aggressive truth assignment)”이라는 새로운 개념을 도입한다. 공격적 진리 할당을 ‘의사‑알고리즘(pseudo‑algorithm)’이라 부르고, 이를 이용해 알고리즘 열과 카우치(Cauchy) 수열을 구성한다. 마지막으로 대각화 기법을 적용해 P와 NP가 구분되지 않음을 보이고, P≠NP를 증명한다는 결론을 제시한다.

상세 분석

논문은 먼저 (r,s)‑SAT의 특수 경우인 3SAT_N을 정의하고, 모든 인스턴스를 다항시간에 판별할 수 있는 “분류 정리(classification theorem)”를 제시한다. 이 정리는 Tovey가 (3,4)‑SAT을 NP‑complete로 보인 결과를 일반화한 것으로, 변수당 출현 횟수와 절의 길이를 제한함으로써 정상형(tautology와 중복 절이 없는) 3‑CNF 식을 다룬다. 그러나 정리의 증명은 구체적인 변환 절차를 제시하지만, 변환 과정에서 도입되는 보조 변수와 절의 수가 입력 크기에 비례하지 않을 수 있음을 간과한다. 특히 절을 “강제”하기 위해 삽입하는 9개 혹은 5개의 보조 절은 입력 길이를 선형적으로 늘리지 않으며, 전체 변환이 실제로 다항시간 내에 수행되는지에 대한 엄밀한 복잡도 분석이 부족하다.

다음으로 논문은 “공격적 진리 할당”을 정의한다. 이는 기존의 진리 할당을 확장해 무한히 많은 원자 할당을 순차적으로 적용하고, 이를 일반화된 진리 할당으로 매핑한다. 저자는 이를 Φ 함수로 이진 실수에 대응시켜, 공격적 진리 할당 집합 TA^∞가 ‘P‑NP 문제와 호환되는 집합(compatible set)’이라고 주장한다. 여기서 “호환”이라는 정의는 “모든 원소가 의사‑알고리즘이다”라는 의미로, 의사‑알고리즘은 실제 알고리즘이 아니면서도 특정 입력에 대해 유한 단계 내에 결과를 반환한다는 특성을 가진다. 그러나 이러한 정의는 계산 모델의 엄격한 정의와 충돌한다. 의사‑알고리즘이 실제로 구현 가능한 절차인지, 혹은 무한히 진행되는 메타‑연산인지가 명확히 구분되지 않아, 논리적 모호성이 존재한다.

논문의 핵심 증명은 카우치 수열과 대각화 기법을 결합하는 것이다. 저자는 TA^∞ 위에 거리 함수를 정의해 메트릭 공간을 만들고, 이 공간에서 “정규 카우치 수열(regular Cauchy sequence)”을 구성한다. 각 수열은 알고리즘 열 {f_n}을 생성하고, 수열의 극한을 나타내는 알고리즘 f_ζ를 정의한다. 여기서 f_ζ는 모든 n에 대해 f_n보다 효율적이라고 주장한다. 그러나 실제로는 f_ζ가 무한히 많은 단계와 선택을 필요로 하며, 이는 튜링 기계가 수행할 수 있는 유한 단계 연산을 초과한다. 따라서 f_ζ는 존재하지 않거나, 존재한다 하더라도 “알고리즘”이라 부를 수 없다.

마지막 대각화 단계에서는 “알고리즘의 집합은 가산이지만, 의사‑알고리즘을 이용하면 비가산적이라고” 주장한다. 이는 집합론적 모순을 이용한 논증으로, 실제 컴퓨터 과학에서 허용되는 계산 모델(튜링 기계)의 범위 내에서는 성립하지 않는다. 기존의 비가산성 결과는 실수나 함수 공간에 대한 것이며, 알고리즘 자체는 언제나 가산 집합이다. 따라서 이 부분은 기존 이론과 직접 충돌한다.

전반적으로 논문은 새로운 용어와 메타‑수학적 기법을 도입해 P≠NP를 증명하려 하나, 정의의 모호성, 변환 절차의 복잡도 부족, 의사‑알고리즘의 비현실성, 그리고 대각화 적용의 부적절함 등으로 인해 증명의 엄밀성이 크게 결여되어 있다. 현재까지 알려진 비상대화(non‑relativizing), 비알제브라화(non‑algebrizing) 기법을 모두 회피한다는 주장도, 실제로는 기존의 한계들을 회피하지 못한다는 점에서 설득력을 잃는다.