복잡계의 지역 정보 역학: 분산 계산을 밝히는 새로운 프레임워크

초록

이 논문은 복잡계에서 발생하는 분산 계산을 ‘정보 저장·전달·변형’이라는 세 가지 기본 동작으로 분해하고, 각 동작을 시스템 내부의 개별 위치에서 정량화하는 완전한 분석 틀을 제시한다. 셀룰러 오토마타에 적용해 블링커는 정보 저장, 입자는 정보 전달, 충돌은 정보 변형으로 작동한다는 기존 가설을 실증하고, 서로 다른 규칙의 오토마타가 보이는 정보 흐름의 차이를 통해 복잡한 계산이 어떻게 ‘전체는 부분의 합보다 크다’는 현상을 만들어내는지 설명한다.

상세 분석

본 연구는 복잡계 이론에서 오랫동안 제기되어 온 “분산 계산은 정보 저장, 전송, 변형이라는 기본 연산들의 조합으로 이루어진다”는 가설을 정량적으로 검증하는 최초의 프레임워크를 제시한다. 핵심은 ‘지역(local)’ 수준에서 각 연산을 측정할 수 있는 정보 이론적 지표를 정의한 점이다. 정보 저장은 ‘활성 정보 저장(Active Information Storage, AIS)’으로, 과거 상태가 현재 상태를 예측하는 정도를 측정한다. 정보 전송은 ‘전이 정보 전이(Transfer Entropy, TE)’를 이용해 한 변수의 과거가 다른 변수의 현재에 미치는 영향을 비대칭적으로 평가한다. 정보 변형은 ‘정보 수정(Information Modification)’이라는 새로운 지표로, 두 혹은 그 이상의 정보 흐름이 결합되어 새로운 정보를 생성하는 정도를 포착한다. 이 세 지표를 시간·공간적으로 동시에 계산함으로써, 시스템 전반에 걸친 정보 흐름의 ‘코히어런스(coherence)’와 ‘다이내믹스’를 시각화할 수 있다.

셀룰러 오토마타(CA)에 적용한 결과는 특히 의미심장하다. 규칙 110과 같은 복잡계 규칙에서는 블링커(고정 주기 패턴)가 높은 AIS 값을 보이며, 이는 해당 셀들이 장기적인 메모리 역할을 함을 의미한다. 반면, 이동 입자(particle)는 TE 값이 크게 나타나 주변 셀들로부터 정보를 끌어당겨 전파한다는 것을 보여준다. 입자 간 충돌 구역에서는 TE가 급격히 감소하고, 동시에 정보 변형 지표가 급증하는데, 이는 기존 정보 흐름이 새로운 패턴으로 재구성되는 ‘연산적 변형’이 일어남을 의미한다.

또한, 프레임워크는 서로 다른 CA 규칙 간의 정보 구조 차이를 정량화한다. 예를 들어, 규칙 30과 같은 무작위적(chaotic) 규칙은 AIS와 TE가 낮고 변형 지표가 고르게 분포해 전역적인 정보 코히어런스가 결여된 반면, 규칙 54와 같은 복잡한 규칙은 높은 AIS와 TE가 특정 공간-시간 영역에 집중되고, 변형이 입자 충돌 지점에 국한되는 패턴을 보인다. 이는 복잡한 계산이 ‘정보 저장소’와 ‘전달 경로’가 명확히 구분되고, 이들이 충돌을 통해 새로운 정보를 생성하는 구조적 조직을 필요로 함을 시사한다.

이 프레임워크는 기존의 엔트로피 기반 전역 지표와 달리, 미시적 수준에서 동시다발적으로 일어나는 정보 흐름을 포착함으로써 “전체는 부분의 합보다 크다”는 현상을 정량적으로 설명한다. 특히, 정보 코히어런스(공간·시간에 걸친 정보 흐름의 일관성)가 높은 시스템일수록 복잡한 패턴과 기능적 계산을 수행한다는 결론은, 복잡계 설계와 분석에 새로운 기준을 제공한다.