트리 분해 전이 행렬을 이용한 정확한 포츠 모델 분할 함수 계산

초록

트리 분해와 전이 행렬 기법을 결합한 알고리즘을 제시하여 임의의 그래프, 특히 평면 그래프에 대해 포츠 모델 분할 함수와 색다항식을 정확히 계산한다. 평균 실행 시간은 기존의 지수적 exp(0.245 N)에서 exp(1.516 √N)으로 크게 개선되었으며, N≈100인 평면 그래프도 몇 초 안에 처리한다. 또한 무작위 평면 그래프의 색다항식 근의 통계적 특성을 조사한다.

상세 분석

이 논문은 두 가지 강력한 이산수학·통계물리 기법, 즉 트리 분해(tree decomposition)와 전이 행렬(transfer matrix) 방법을 자연스럽게 결합한 새로운 알고리즘을 제안한다. 트리 분해는 그래프를 ‘bag’이라 불리는 작은 정점 집합들의 트리 구조로 나누어, 각 bag이 동시에 활성화되는 정점 수를 최소화함으로써 상태 공간을 크게 축소한다. 전이 행렬은 이러한 bag‑단위 “시간 슬라이스”를 따라 정점과 간선을 순차적으로 처리하면서, 현재 활성 정점들의 연결 상태를 파티션(partition) 형태로 표현한다. 파티션은 두 정점이 이미 같은 연결 성분에 속하는지를 나타내며, 평면 그래프의 경우 비교교차(non‑crossing) 파티션만 고려하면 되므로 가능한 파티션 수는 Catalan 수 Cₙ에 의해 제한된다. 이는 일반 그래프에서 Bell 수 Bₙ이 지배하는 초지수 성장에 비해 훨씬 작은 규모이며, 알고리즘의 메모리·시간 복잡도를 크게 낮춘다.

구체적으로, 각 단계에서 연산자는 (1 + v J_{ij}) 형태의 결합 연산자를 적용해 현재 상태에 간선을 추가하거나 제외하고, D_i 연산자를 통해 정점을 삭제한다. 여기서 J_{ij}는 두 정점을 같은 블록으로 합치는 ‘join’ 연산자이며, D_i는 정점 i가 단일 블록이었을 경우 가중치 Q를 곱하고, 그렇지 않으면 가중치를 1로 둔다. 이러한 연산을 bag 순서에 따라 차례대로 수행하면, 마지막에 남는 빈 파티션의 계수가 바로 포츠 모델 분할 함수 Z_G(Q, v)이며, v = −1일 때는 색다항식 χ_G(Q)와 동일해진다.

알고리즘의 핵심 성능 향상은 (i) 트리 분해를 통해 bag 크기를 평균적으로 O(√N) 수준으로 제한하고, (ii) 평면성에 의해 비교교차 파티션만 고려함으로써 상태 수를 Catalan 수 C_{O(√N)}≈exp(2 √N) 수준으로 억제한 데 있다. 실험적으로 무작위 평면 그래프 10⁴개(최대 N=100)에 대해 평균 실행 시간이 exp(1.516 √N) 정도임을 확인했으며, 이는 기존 최적 알고리즘 exp(0.245 N)보다 실질적으로 수십 배 빠른 속도이다.

또한 논문은 얻어진 색다항식의 복소수 근(색근)의 분포를 통계적으로 분석한다. 무작위 평면 그래프 집합에서 색근은 복소평면 전역에 고르게 퍼지는 경향을 보이며, 특히 Beraha 수 B_k=(2 cos(π/k))² 근처에 실근이 집중되는 현상이 관찰된다. 이는 기존 규칙격자에서 보고된 현상과 유사하지만, 무작위 그래프에서는 그래프의 평균 차수, 연결성, 삼각형 비율 등 구조적 파라미터와 색근 위치 사이에 뚜렷한 상관관계가 존재함을 실험적으로 제시한다. 이러한 결과는 색다항식의 근이 물리적 상전이와 연관된 복잡한 구조를 가질 수 있음을 시사한다.

전반적으로 이 연구는 #P‑complete 문제인 색다항식 계산에 대해 실용적인 서브지수 알고리즘을 제공함과 동시에, 무작위 평면 그래프의 색근 통계에 대한 새로운 물리·수학적 통찰을 제공한다. 향후 트리 분해와 전이 행렬을 다른 스핀 모델(예: 이시잉 모델, 라인 그래프)이나 네트워크 최적화 문제에 적용할 가능성도 열어준다.