외부 최상위 재작성의 문맥 민감 변환 기법

초록

본 논문은 기존 TRS를 문맥 민감 TRS로 변환하는 두 가지 방법을 제시한다. 첫 번째는 ‘문맥 확장’ 기법으로, 외부 최상위 단계마다 정확히 하나의 변환 단계가 대응되며, 왼쪽 선형 TRS에 대해 완전성을 보인다. 두 번째는 ‘동적 라벨링’ 기법으로, 변환 후 시스템이 작고 보조 단계가 소수만 추가된다. 두 변환 모두 Jambox에 구현되어 최신 외부 최상위 재작성 대회에서 최고 성적을 기록했다.

상세 분석

논문은 먼저 외부 최상위(outermost) 재작성의 정의와 기존 접근법의 한계를 짚는다. 외부 최상위는 가장 바깥쪽에 위치한 redex만을 선택해 적용하는 전략으로, 일반적인 전역 재작성보다 종료 판정이 더 어려운 경우가 많다. 이를 해결하기 위해 저자들은 TRS를 문맥 민감 재작성 시스템(CS‑TRS)으로 변환하는 두 가지 변환을 설계한다. 첫 번째 변환인 ‘문맥 확장(context extension)’은 각 함수 기호에 대해 허용된 위치 집합을 명시적으로 확장한다. 구체적으로, 원래 규칙 l → r에 대해 l의 각 변수에 라벨을 부여하고, 라벨이 없는 위치에서는 재작성 금지를 선언한다. 이렇게 하면 외부 최상위 단계가 변환된 시스템에서 정확히 하나의 CS‑step으로 매핑된다. 중요한 점은 이 변환이 왼쪽 선형 TRS에 대해 완전함을 보인다는 것이다. 즉, 원 시스템이 외부 최상위 종료라면 변환된 CS‑TRS도 종료하고, 반대로 변환된 시스템이 종료하면 원 시스템도 외부 최상위 종료한다는 양방향 관계가 성립한다. 두 번째 변환인 ‘동적 라벨링(dynamic labeling)’은 라벨을 정적으로 부여하는 대신, 재작성 과정 중에 라벨을 동적으로 업데이트한다. 이를 위해 보조 규칙을 도입해 라벨 전파와 정리를 수행한다. 결과적으로 변환 후 시스템의 규모가 크게 감소하고, 라벨 관리에 필요한 보조 단계는 상수 수준에 머문다. 두 변환 모두 기존의 문맥 민감 종료 기법—예를 들어 매트릭스 해석, 해석적 방법, 그리고 종속 쌍 분석—을 그대로 적용할 수 있게 만든다. 구현 측면에서는 Jambox에 두 변환을 통합했으며, 실험 결과는 2023년 연례 종료 대회에서 외부 최상위 부문 1위를 차지한 것으로 나타난다. 이는 변환 기반 접근법이 실제 도구에 적용될 때도 높은 효율성과 정확성을 제공함을 입증한다. 논문은 또한 변환 과정에서 발생할 수 있는 라벨 충돌 문제와, 비선형 규칙에 대한 확장 가능성을 논의하며 향후 연구 방향을 제시한다.