셀룰러 오토마타 네트워크의 진입 차수 분포 직접 계수 분석

초록

본 논문은 셀룰러 오토마타(CA) 전이 그래프의 진입 차수(In-degree) 분포를 전수 조사하여 정확히 계산한다. 결과는 기존에 제시된 다중척도(multiscaling) 가설과 크게 차이함을 보이며, 진입 차수 분포에 기반한 CA 규칙 분류 가능성을 탐색한다. 또한 전이 행렬을 확장해 복잡한 규칙(R50, R77 등)의 분포를 얻고, 격자 크기에 따른 분포 변화를 규명한다.

상세 분석

본 연구는 이산 동역학, 특히 1차원 이진 셀룰러 오토마타(CA)의 상태 전이 네트워크를 그래프 이론적 관점에서 정밀히 분석한다. 각 네트워크의 정점은 전체 가능한 셀 상태(2^L, L은 격자 길이)이며, 에지(방향성)는 한 단계 시간 전진에 의해 연결된다. 이러한 전이 그래프에서 각 정점의 진입 차수(k_in)는 그 정점으로 이동할 수 있는 전임 상태의 수를 의미한다. 기존 문헌에서는 대규모 시뮬레이션을 통해 k_in 분포가 멀티스케일링 형태, 즉 P(k)∝k^{-γ}·f(k/L^α)와 같은 스케일링 법칙을 따른다고 주장했지만, 실제 전이 행렬을 완전 열거하여 얻은 정확한 분포는 이와 현저히 다름을 보여준다.

연구진은 먼저 전이 행렬 T를 2^L×2^L 크기의 희소 행렬로 구성하고, 이를 직접 대각화하거나 전이 규칙에 따라 재귀적으로 구성함으로써 각 정점의 진입 차수를 정확히 계산한다. 이 과정에서 전이 행렬을 ‘확장 전이 행렬(augmented transfer matrix)’ 형태로 변형하여, 단순 2×2 또는 4×4 행렬로는 표현되지 않는 복잡한 규칙(예: R50, R77)의 경우에도 효율적으로 k_in을 구할 수 있게 한다. 특히, R50과 R77은 규칙 번호가 50과 77인 Wolfram 코드에 해당하며, 이들은 대칭성 및 보존 법칙이 약해 전통적인 전이 행렬 접근이 어려운 특징을 가진다.

전이 행렬을 확장함으로써 얻은 결과는 두 가지 중요한 통찰을 제공한다. 첫째, 특정 규칙에서는 격자 크기 L이 증가함에 따라 진입 차수 분포가 수렴하지 않고, 최대 진입 차수와 그 빈도가 L에 비례하거나 비선형적으로 변한다. 이는 네트워크가 ‘스케일 자유’가 아니라 ‘스케일 의존적’인 구조를 가짐을 의미한다. 둘째, 진입 차수 분포 자체가 규칙 분류에 유용한 특징을 제공한다. 예를 들어, Class I(고정점)와 Class II(주기적) 규칙은 k_in 분포가 급격히 감소하는 형태를 보이는 반면, Class III(혼돈)와 Class IV(복합) 규칙은 보다 평탄하거나 멀티모달 분포를 나타낸다. 이러한 차이는 전이 그래프의 연결성, 즉 ‘역전이 가능성(inverse reachability)’의 차이와 직접 연결된다.

또한, 연구진은 전이 그래프의 강한 연결 성분(strongly connected components, SCC) 분석을 병행하여, 진입 차수가 높은 정점이 SCC 내부에 집중되는 경향을 발견했다. 이는 네트워크 동역학에서 ‘핵심 상태(core states)’가 존재함을 시사하며, 이러한 핵심 상태는 시스템이 장기적으로 머무르는 attractor와 밀접한 관계가 있다.

마지막으로, 전이 행렬을 이용한 직접 계수 방법은 기존의 통계적 샘플링 방식보다 계산 비용이 크게 증가하지만, 작은 L(예: L≤20) 범위에서는 완전 탐색이 가능하고, 이를 통해 얻은 정확한 분포는 이론적 모델 검증에 필수적인 기준 데이터를 제공한다. 향후 연구에서는 희소 행렬 압축, 대칭성 활용, 그리고 병렬 GPU 구현 등을 통해 L을 확대하고, 다차원 CA 및 비이진 규칙에도 적용할 수 있는 일반화된 프레임워크를 구축하는 것이 과제로 제시된다.