확률적 셀룰러 오토마톤의 불변 측도와 완전 샘플링

초록

**
본 논문은 확률적 셀룰러 오토마톤(PCA)을 마코프 체인으로 해석하고, 1차원 셀룰러 오토마톤의 경우 에르고딕성(불변 측도 수렴)이 널리티와 동치임을 보이며 이는 결정 불가능함을 증명한다. 또한, 단조성 가정 없이도 적용 가능한 새로운 완전 샘플링 알고리즘을 제시하고, 이를 PCA Majority에 적용한 수치 실험 결과를 제시한다.

**

상세 분석

**
이 논문은 먼저 PCA를 “동시·독립적”으로 각 셀을 업데이트하는 확률적 전이 규칙을 갖는 무한 차원의 마코프 체인으로 모델링한다. 전이 확률은 고정된 유한 이웃에만 의존하므로, 전통적인 셀룰러 오토마톤(CA)의 결정론적 규칙을 확률분포로 일반화한 형태라 할 수 있다. 저자는 에르고딕성, 즉 임의의 초기 분포가 시간이 무한히 커짐에 따라 하나의 고유 불변 측도로 수렴하는 성질을 연구한다. 특히 1차원 CA에 대해, 에르고딕성 ⇔ 널리티(nilpotency)라는 강력한 동치 관계를 증명한다. 널리티란 일정한 시간 후 모든 초기 상태가 동일한 전역 상태(보통 전부 0)로 수렴하는 특성을 의미한다. 널리티 문제는 이미 튜링 완전성에 의해 결정 불가능함이 알려져 있으므로, 에르고딕성 역시 일반적인 알고리즘으로 판정할 수 없다는 중요한 복잡도 결과를 도출한다.

다음으로 저자는 에르고딕한 PCA에 대해 “완전 샘플링(perfect sampling)”을 수행할 수 있는 새로운 알고리즘을 설계한다. 기존의 완전 샘플링 기법(예: Coupling from the Past, CFTP)은 보통 단조성(monotonicity)이나 부분 순서 구조를 필요로 한다. 그러나 본 논문에서는 “바운딩 프로세스(bounding process)”를 도입한다. 이 바운딩 프로세스는 원래 PCA와 동일한 이웃 구조와 전이 규칙을 갖지만, 상태 공간을 두 개의 극단(최대·최소) 상태로 압축한다. 두 극단 상태를 동시에 추적하면서, 어느 시점에 두 상태가 합쳐지면 그 시점부터는 모든 초기 상태가 동일한 분포에 수렴한다는 사실을 이용한다. 핵심은 바운딩 프로세스 자체도 PCA라는 점이다; 따라서 기존 PCA 시뮬레이션 프레임워크를 그대로 재사용하면서도 단조성 가정이 필요 없다는 장점이 있다.

마지막으로 저자는 이 알고리즘을 “PCA Majority”라는 유명한 비단조성 규칙에 적용한다. Majority PCA는 각 셀이 자신과 이웃 두 개의 값 중 다수결에 따라 1 또는 0을 선택하도록 하는데, 그 장기 행동이 아직 이론적으로 밝혀지지 않았다. 완전 샘플링을 통해 얻은 불변 측도의 통계적 특성을 수치 실험으로 조사한 결과, 파라미터에 따라 두 개의 상이한 고정점(전부 0, 전부 1) 혹은 혼합된 비정상적 상태가 존재함을 확인한다. 이러한 실험은 PCA Majority의 상전이 현상을 정량적으로 파악하는 데 중요한 첫 걸음이 된다.

전체적으로 이 논문은 PCA의 이론적 복잡도와 실용적 샘플링 방법을 동시에 다루며, 특히 단조성에 의존하지 않는 완전 샘플링 기법을 제시함으로써 확률적 셀룰러 오토마톤 연구에 새로운 도구를 제공한다.

**