곡선의 지속가능 동형성: 영속 동차군으로 모델을 구분하기

초록

본 논문은 일반적인 C¹ 곡선 f: S¹→ℝ²에 대해, 좌표축 반사군 Σ₂에 속하는 변환 s를 적용한 뒤 얻어지는 지속가능 동차군이 곡선의 재매개변수화(즉, C¹‑미분동형사상 h: S¹→S¹)와 정확히 일치함을 보인다. 또한, 제한된 일반성 조건 하에서 영속 베티 수 함수들의 근접도가 최대노름 상에서의 곡선 간 거리와 동등함을 입증한다.

상세 분석

이 연구는 위상 데이터 분석(TDA)에서 가장 기본적인 대상인 1차원 매끄러운 폐곡선에 대한 영속 동차군(persistent homology groups)의 식별력을 정량적으로 평가한다. 저자들은 먼저 “일반적인” C¹ 함수 f: S¹→ℝ²를 정의한다. 여기서 일반성은 임계점이 비특이하고, 곡선이 자가교차 없이 매끄럽게 매핑되는 것을 의미한다. f에 대해 좌표축 반사군 Σ₂={id, ρₓ, ρ_y, ρₓ∘ρ_y}의 각 원소 s를 적용하면 새로운 매핑 s∘f가 얻어지고, 이는 S¹ 위에 자연스러운 필터링을 만든다. 구체적으로, 각 방향(예: x축, y축)으로의 투영값을 기준으로 하위 수준 집합(sublevel set)을 구성하고, 그에 대한 0차와 1차 영속 동차군을 계산한다.

핵심 정리는 “f = g∘h (h는 C¹‑디프히오)” ⇔ “∀s∈Σ₂, PHₖ(s∘f) ≅ PHₖ(s∘g) (k=0,1)”이다. 여기서 PHₖ는 k차 영속 동차군을 의미한다. 즉, 네 개의 반사 변환에 대해 얻어지는 영속 동차군이 모두 일치하면, 두 곡선은 단순히 파라미터화 차이만 존재한다는 강력한 동형성 판정 기준을 제공한다. 증명은 크게 두 단계로 나뉜다. 첫째, 영속 동차군이 곡선의 임계값(critical values)과 그 순서를 완전히 포착한다는 사실을 이용해, 같은 영속 군을 갖는 두 매핑이 동일한 임계값 집합을 공유함을 보인다. 둘째, Σ₂의 반사 변환이 x‑축과 y‑축 각각에 대한 순서를 독립적으로 제어하므로, 두 축에 대한 순서가 모두 일치하면 파라미터화 h가 존재함을 구성적으로 증명한다.

또한 저자들은 “근접성 정리”를 제시한다. 제한된 일반성(예: 임계값 간 최소 거리 보장) 하에서, 모든 s∈Σ₂에 대해 영속 베티 수 함수 βₖ^{s∘f}, βₖ^{s∘g}가 특정 거리(d_∞ 혹은 bottleneck distance) 이하로 가깝다면, 존재하는 C¹‑디프히오 h에 대해 ‖f−g∘h‖_∞도 동일한 상수배 이하로 작다. 이는 영속 베티 수가 실제 기하학적 형태의 변동을 정밀하게 반영한다는 안정성(stability) 결과와 일맥상통한다.

이 논문은 기존의 “단일 방향 영속” 접근법이 곡선의 회전·반사·재매개변수화에 민감해 구별력이 부족함을 지적하고, Σ₂라는 최소한의 대칭군을 활용해 완전한 식별성을 회복한다는 점에서 혁신적이다. 또한, 영속 베티 수 함수 간 거리와 최대노름 거리 사이의 정량적 관계를 명시함으로써, 실제 데이터 분석에서 “얼마나 가까운” 두 곡선인지 판단할 수 있는 실용적인 기준을 제공한다.