양자 비결정론적 유한 자동자가 인식하는 언어

본 논문은 양자 비결정론적 유한 자동자(Nondeterministic Quantum Finite Automaton, NQFA)의 언어 인식 능력을 체계적으로 분석하고, 이를 기존의 확률적 및 양자 자동자 모델과 비교한다. 서론에서는 확률적 유한 자동자(PFA)가 오류 허용 정도에 따라 인식 가능한 언어가 변하지 않는 점을 강조하고, 양자 자동자 중 가장 일반적인 Kondacs‑Watrous(QFA) 모델이 무오류와 제한된 오류 상황에서는 PFA와 동등하지만, 무제한 오류(two‑sided unbounded error)에서는 확률적 언어(stochastic languages)와 동등함을 소개한다. 본 연구의 핵심은 NQFA가 인식할 수 있는 언어 집합을 정확히 규정하는 것이다. 이를 위해 저자들은 먼저 ‘배타적 확률적 언어(exclusive stochastic languages, S≠)’라는 클래스를 정의한다. S≠는 어떤 확률적 자동자(PFA)와 임계값 λ에 대해 L(P,≠λ) 형태로 표현되는 언어들의 집합이며, 이는 기존의 확률적 언어(S>)와는 달리 보완 연산에 대해 닫혀 있지 않다. 논문은 다음 두 가지 주요 정리를 제시한다. 1. **S≠ ⊆ NQL**: 배타적 확률적 언어는 모두 NQFA에 의해 인식될 수 있다. 이를 증명하기 위해 기존의 PFA를 확장한 새로운 자동자(P′)를 구성하고, 그 상태 전이 행렬에 추가적인 보조 상태를 삽입한다. 이 변환은 PFA의 확률값을 ½ 배로 스케일링하고, 최종적으로 NQFA가 0‑컷포인트에서 언어를 구분하도록 만든다. 2. **NQL ⊆ S≠**: 반대로, NQFA가 0‑컷포인트로 인식하는 모든 언어는 배타적 확률적 언어에 속한다. 여기서는 NQFA를 일반화된 확률적 자동자(GPFA)로 변환하는 기존 결과(Fact 25)를 이용한다. GPFA는 실수 가중치를 허용하지만, 적절한 정규화와 스케일링을 통해 동일한 언어를 확률적 모델에서 동일한 임계값으로 재현할 수 있다. 이 두 정리를 결합하면 **NQL = S≠**라는 동등성이 성립한다. 즉, 양자 비결정론적 자동자가 인식할 수 있는 언어는 정확히 배타적 확률적 언어와 일치한다는 것이다. 이 결과는 NQFA가 기존의 확률적 비결정론적 자동자(NFA)보다 더 강력함을 보여준다. 실제로, 정규 언어는 모두 NQFA로 선형 상태 수 이내에 구현 가능하지만, 일부 무한 정규 언어는 NFA에서는 상태 수가 무한히 증가하는 반면, NQFA는 고정된 양자 상태만으로 구현할 수 있다. 다음으로 논문은 다양한 QFA 변형들—Moore‑Crutchfield QFA(MCQFA), Measure‑Once QFA, 그리고 최근 제안된 혼합 모델—에 대해 동일한 언어 클래스가 유지된다는 ‘모델 불변성’ 결과를 제시한다. 이는 양자 자동자의 설계 세부 사항(측정 시점, 헤드 이동, 유니터리 연산의 형태 등)이 언어 인식 능력에 실질적인 차이를 만들지 않음을 의미한다. 구체적으로, Fact 27에 의해 MCQFA는 KWQFA와 상태 수가 2배 차이만 있을 뿐 동일한 언어를 인식한다는 것이 증명된다. 폐쇄성 측면에서는 S≠와 NQL이 합집합, 교집합, 그리고 보완에 대해 닫혀 있음을 보인다. 특히, 보완 연산이 일반적인 확률적 언어 클래스에서는 닫히지 않지만, NQL은 보완에 대해 닫혀 있어 양자 비결정론적 모델이 구조적으로 더 풍부함을 보여준다. 이는 언어 이론에서 중요한 구분점이며, NQFA가 기존 확률적 모델이 다루지 못하는 언어를 자연스럽게 포괄함을 의미한다. 마지막으로, 이러한 이론적 결과를 서브로그라ith믹 공간 복잡도와 연결한다. NQFA는 O(log n) 이하의 양자 메모리(양자 비트)만으로도 위에서 정의한 모든 S≠ 언어를 인식할 수 있다. 이는 기존의 클래식 서브로그라ith믹 클래스(LSPACE)와 양자 서브로그라ith믹 클래스(QLSPACE) 사이의 포함 관계를 재정립한다. 특히, NQFA가 정규 언어를 선형 상태 수 이하로 인코딩할 수 있다는 ‘상태 압축’ 현상은 양자 메모리의 효율성을 강조한다. 논문은 이러한 결과가 양자 튜링 기계와 같은 더 복잡한 모델에서도 유사한 압축 효과를 기대하게 만든다며, 향후 연구 방향으로 양자 메모리 최적화와 복합 오류 모델에 대한 탐구를 제시한다. 전체적으로 이 논문은 NQFA의 언어 인식 능력을 정확히 규정하고, 기존 확률적·양자 모델과의 관계를 명확히 함으로써 양자 유한 자동자 이론에 중요한 전환점을 제공한다. 또한, 모델 불변성, 폐쇄성, 그리고 복잡도 함의 등 다각적인 측면에서 깊이 있는 분석을 수행하여 향후 양자 자동자 설계와 복잡도 이론 연구에 풍부한 토대를 마련한다.