다중값 확률 릴레이 회로로 무작위 분포를 설계하는 새로운 방법

초록

본 논문은 다중값( N‑state) 스토캐스틱 릴레이 회로를 이용해 임의의 유리 확률 분포를 정확하고 효율적으로 생성하는 이론과 회로 설계법을 제시한다. ‘min‑max’ 연산을 기반으로 한 시리즈·패럴렐 구성, 이중성 정리, 3‑state·N‑state 알고리즘, 오류 강인성 분석, 그리고 보편 확률 생성기(Universal Probability Generator)를 포함한 일련의 결과를 제공한다.

상세 분석

이 논문은 기존의 2‑state(0/1) 스토캐스틱 릴레이 회로 연구를 N‑state(0,…,N‑1) 로 일반화함으로써, 다중값 논리 연산인 ‘min’(시리즈)과 ‘max’(패럴렐)를 도입한다. 핵심은 각 스위치를 확률 벡터 v=(p0,…,pN‑1) 로 모델링하고, 회로 전체의 출력 분포가 경로별 ‘min’ 연산 후 ‘max’ 연산을 통해 결정된다는 점이다.

첫 번째 주요 기여는 이중성 정리이다. 스위치의 상태를 n‑1‑i 로 뒤집고, 시리즈와 패럴렐을 서로 교환하면 원래 회로의 확률 분포가 역순으로 뒤바뀐 새로운 회로가 된다. 이는 증명이 귀납적으로 진행되며, 다중값 회로에서도 2‑state 회로와 동일한 대칭성을 유지함을 보여준다.

두 번째 기여는 3‑state 및 일반 N‑state 이진 분포 생성 알고리즘이다. 저자는 (a/2ⁿ, b/2ⁿ, c/2ⁿ) 형태의 3‑state 분포를 최대 2ⁿ‑1개의 ½‑pswitch( (½,0,½) ) 로 구현할 수 있음을 증명한다. 알고리즘은 입력 분포를 절반 구간으로 나누어 ‘min‑max’ 연산에 맞는 서브‑분포로 재귀적으로 분해한다. 각 단계에서 사용되는 pswitch는 확률 ½를 갖는 대칭 분포이며, 재귀 깊이는 n에 비례한다. N‑state 일반화에서는 동일한 절반 분할 전략을 적용해 (a₀/2ⁿ,…,a_{N‑1}/2ⁿ) 형태의 모든 유리 분포를 O(N·2ⁿ) 개의 pswitch로 구현한다.

세 번째는 오류 강인성 분석이다. 스위치의 실제 확률이 ε 만큼 오차가 있어도, 전체 회로의 출력 분포 오차는 O(ε·depth) 로 제한된다. 여기서 depth는 회로의 최대 경로 길이이며, 위의 재귀 구조에서는 depth ≤ n·N 이므로, 실용적인 하드웨어 구현에서도 신뢰성을 확보할 수 있다.

마지막으로 제시된 **보편 확률 생성기(Universal Probability Generator, UPG)**는 입력 비트 스트림을 받아 임의의 이진 확률 분포를 출력한다. UPG는 기본 ½‑pswitch와 결정적 스위치를 조합한 트리 구조이며, 입력 비트가 회로의 선택 신호로 작동해 원하는 분포를 선택한다. 이는 기존의 알고리즘적 변환(예: von Neumann, Knuth‑Yao)과 달리 물리적 회로 수준에서 확률을 직접 생성한다는 점에서 혁신적이다.

전체적으로 이 논문은 확률 회로 설계에 대한 구조적 관점을 제공함으로써, 생물학적 신경망, DNA 컴퓨팅, 그리고 차세대 하드웨어 난수 생성기 설계에 적용 가능한 이론적 토대를 마련한다.