연관다각형과 약한 모노이달 구조

초록

이 논문은 카테고리의 신경(Nerve) 실현에 대한 Stasheff의 $A_n$ 구조가 어떤 약한 모노이달 구조와 동치인지를 규명한다. 연관다각형(associahedron)과 $A_\infty$‑operad을 이용해 카테고리 수준에서의 약한 결합법칙과 단위법칙을 체계화하고, $A_n$‑조건이 $n$‑단계까지의 코히어런스 데이터를 제공함을 보인다. 주요 결과는 $A_n$‑구조가 존재하면 해당 카테고리는 $n$‑단계 약한 모노이달 구조를, 반대로 그런 구조가 있으면 신경의 기하학적 실현이 $A_n$‑공간이 된다는 상호 대응 관계이다.

상세 분석

논문은 먼저 Stasheff가 정의한 연관다각형 $K_n$을 $A_n$‑공간의 모델로 삼고, 이를 카테고리의 신경 $N\mathcal{C}$의 기하학적 실현 $|N\mathcal{C}|$에 적용한다. $|N\mathcal{C}|$가 $A_n$‑공간이라는 것은 $K_m$‑작용이 $m\le n$에 대해 연속적으로 정의될 수 있음을 의미한다. 저자는 이 연속 작용을 카테고리 수준의 구조로 끌어올리기 위해 $A_\infty$‑operad의 셀 구조를 이용한다. 구체적으로, $K_m$의 각 면은 $m$개의 이진 트리와 일대일 대응하고, 이 트리는 $m$개의 객체와 $m-1$개의 이항 연산(곱) 사이의 괄호 배치를 나타낸다. 따라서 $K_m$‑작용은 괄호 배치가 바뀔 때마다 나타나는 자연 변환을 제공한다.

핵심 기술은 “약한 모노이달 구조”를 $A_n$‑조건과 일치시키는 정의이다. 전통적인 강한 모노이달 구조는 결합법칙과 단위법칙이 엄격히 동등함을 요구하지만, 약한 구조에서는 이 법칙들이 고차 동형사상으로 교체된다. 저자는 $n$‑단계 약한 모노이달 구조를 다음과 같이 정의한다.

1. 객체 $I$(단위)와 이항 펑터 $ \otimes :\mathcal{C}\times\mathcal{C}\to\mathcal{C}$가 주어진다.
2. $m\le n$에 대해, $m$개의 객체 $X_1,\dots,X_m$에 대한 모든 괄호 배치 사이에 고차 동형사상 $\alpha_{(T)}$가 존재한다. 여기서 $T$는 해당 배치를 나타내는 이진 트리이다.
3. 이러한 동형사상들은 $K_{m+1}$의 경계 구조에 따라 서로 일관되게 조합되며, 이는 정확히 $A_n$‑조건이 요구하는 코히어런스 관계와 일치한다.

또한 저자는 $A_n$‑조건이 “모든 $k\le n$에 대해 $K_k$‑작용이 존재한다”는 것을 보이기 위해, 연관다각형의 셀 복합을 카테고리의 2‑셀(자연 변환)과 3‑셀(변환 사이의 변형)으로 해석한다. 이 과정에서 “펜로즈-맥케이”식과 “베이컨-라스코프”식 같은 고전적인 코히어런스 방정식이 $K_n$의 경계 식과 동일함을 확인한다.

결과적으로, $|N\mathcal{C}|$가 $A_n$‑공간이면 $\mathcal{C}$는 $n$‑단계 약한 모노이달 구조를, 반대로 $\mathcal{C}$가 그런 구조를 가짐을 보이면 $|N\mathcal{C}|$는 $A_n$‑공간이 된다. 이 상호 대응은 “정규화된” 신경을 가정하고, 필요에 따라 “가법적”(homotopy‑coherent) 보강을 통해 일반 카테고리에도 확장 가능함을 논한다.