귀환 벡터 오토마타: 벡터 귀환을 조건으로 하는 새로운 계산 모델

본 논문은 저장 장치로 벡터를 사용하는 새로운 유형의 유한 오토마타인 '귀환 벡터 오토마타(Homing Vector Automata, HVA)'를 소개하고 그 계산 능력을 체계적으로 분석한다. 1. 서론: 저자들은 유한 오토마타에 무제한 정보 저장이 가능하지만 제한된 방식으로 접근하는 외부 저장 장치를 추가하는 아이디어는 오토마타 이론의 오랜 주제이며, 푸시다운 오토마타, 카운터 머신, 곱셈 오토마타, 그룹 오토마타, M-오토마타 등이 그 예시라고 설명한다. 이전 연구에서 저자들이 제안한 '벡터 오토마타'는 행렬 곱셈을 매단계 수행하며 벡터의 특정 항목(일반적으로 첫 번째 항목)만을 검사하는 모델이었다. 본 논문의 HVA는 이와 달리 계산 성공의 조건을 '전체 벡터가 초기값으로 돌아오는 것'으로 정의함으로써, 저장 장치의 최종 상태가 초기 상태와 동일해야 한다는 보존적 개념을 도입한 것이 핵심 차이점이다. 이는 양자 계산에서의 상태 보존 개념과도 유사성을 가진다. 2. 예비 지식: 실시간 다중 카운터 오토마타(DkCA), 실시간 블라인드 다중 카운터 오토마타(DkBCA), 그리고 저자들이 이전에 제안한 실시간 결정적 벡터 오토마타(DVA(k))의 공식적 정의를 재정리한다. DVA(k)는 벡터의 첫 번째 항목이 1인지 여부만을 각 단계에서 검사할 수 있는 모델이다. 3. 귀환 벡터 오토마타: HVA의 공식적 정의를 제시한다. - 실시간 결정적 귀환 벡터 오토마타(DHVA(k)): 현재 상태, 입력 심볼, 그리고 현재 벡터가 초기 벡터와 동일한지(=) 아닌지(≠)에 기반하여 다음 상태와 적용할 k x k 유리수 행렬을 결정하는 전이 함수를 가진다. 입력이 끝난 후 허용 상태에 도달하고 벡터가 초기 벡터 v와 동일해야 수용한다. - 실시간 결정적 블라인드 귀환 벡터 오토마타(DBHVA(k)): DHVA(k)와 유사하지만, 계산 중간에 벡터를 전혀 검사하지 않는다. 전이 함수는 현재 상태와 입력 심볼만에 의존한다. 최종 수용 조건은 동일하다. - 비결정적 버전(NHVA(k), NBHVA(k)): 위 결정적 모델들의 비결정적 확장으로, 전이 함수가 가능한 다음 상태-행렬 쌍의 집합을 반환한다. 4. 블라인드 특성, 단일 문자 언어, 비결정성: 본 논문의 주요 결과들을 증명하며 다양한 언어 클래스 간의 포함 관계를 규명한다. - 정리 1: 모든 k에 대해 L(DBHVA(k)) ⊊ L(DHVA(k)). 중간 검사 능력이 계산력을 증가시킴을 보인다. 증명은 특정 언어 L이 DHVA(2)로는 인식되지만 어떤 DBHVA(k)로도 인식되지 않음을 보이는 것으로 이루어진다. - 정리 2: 모든 k에 대해, DHVA(k)가 인식하는 단일 문자 알파벳(Σ={a}) 상의 모든 언어는 정규 언어이다. 이는 유한 상태와 주기적인 벡터 변화 패턴 때문에 궁극적으로 유한 상태 기계로 시뮬레이션 가능함을 의미한다. - 정리 3: i) ∪_k L(DBHVA(k)) ⊊ ∪_k L(NBHVA(k)). ii) ∪_k L(DHVA(k)) ⊊ ∪_k L(NHVA(k)). 비결정성이 결정적 버전보다 엄격히 강력함을 보인다. 비결정적 블라인드 버전(NBHVA(3))이 비정규 단일 문자 언어 U_POW = {a^{n+2^n} | n≥1}을 인식할 수 있지만, 정리 2에 의해 결정적 버전은 불가능함을 이용한다. - 정리 4: NP-완전 언어인 SUBSETSUM의 변형(숫자들이 역순으로 기록된)을 NBHVA(5)가 인식할 수 있음을 보인다. 이는 비결정적 HVA가 다항 시간 비결정적 튜링 기계의 계산 능력을 상당 부분 포착할 수 있음을 강력히 시사하는 결과이다. 구성은 벡터의 서로 다른 항목을 이용해 타겟 숫자 t와 선택된 부분 숫자들 a_i를 이진법으로 인코딩하고, 비결정적으로 선택된 a_i들의 합을 t에서 빼는 방식으로 작동한다. 5. Stern-Brocot 인코딩: 임의의 유한 알파벳 Σ = {σ1, σ2, ..., σm}에 대한 문자열을 유일한 유리수로 인코딩하는 일반화된 Stern-Brocot 트리 방법을 제시한다. 이 방법은 블라인드 HVA가 전체 입력 문자열을 하나의 숫자(벡터 항목)로 표현하여 기억한 뒤, 최종 비교만으로 복잡한 패턴 매칭을 수행할 수 있게 하는 데 유용하다. 6. 결론 및 미래 연구: HVA가 행렬 곱셈과 벡터 귀환 조건을 통해 기존 오토마타 모델과는 다른 표현력의 스펙트럼과 위계를 보여주었음을 요약한다. 개방된 문제로는 행렬 엔트리의 허용 범위(예: 정수 vs 유리수)가 인식 능력에 미치는 영향, HVA와 다른 벡터/행렬 기반 오토마타(양자 오토마타 등)와의 정확한 관계, 그리고 다양한 언어 연산에 대한 HVA 클래스의 폐쇄성 등이 제시된다.