프리너리 진화와 계층적 자기조직: 유한 과정 수프의 비밀

초록

이 논문은 계산역학에서 정의된 ε‑머신을 기본 단위로 하는 “유한 과정 수프” 모델을 제시한다. 서로 반응하고 복제하는 ε‑머신들의 네트워크를 통해, 낮은 구조적 복잡성을 가진 로컬 구성요소가 어떻게 전역적인 복잡성을 이끌어내는지 정량적으로 분석한다. 결과는 자가촉매적 자동복제와 계층적 조직이 전제되는 진화 메커니즘을 밝히며, “전역 복잡성은 로컬 단순성을 요구한다”는 일반 법칙을 제안한다.

상세 분석

본 연구는 원시 생명 현상의 핵심 메커니즘을 탐구하기 위해, 이산적이고 유한한 정보 처리 단위인 ε‑머신을 ‘프로세스’로 설정하고, 이들 간의 상호작용을 네트워크 형태로 구현한 ‘프리너리 프로세스 수프’를 구축하였다. ε‑머신은 입력-출력 변환 규칙과 내부 상태 전이로 구성되며, 계산역학에서 ‘통계적 복잡도(𝑪μ)’와 ‘예측 복잡도(𝑪ν)’라는 두 가지 정량적 지표를 제공한다. 논문은 먼저 개별 ε‑머신의 구조적 복잡도(𝑪μ)가 낮을수록 다른 ε‑머신과의 결합 가능성이 높아지는 ‘일반성(generality)’을 갖는다는 경험적 관계를 도출한다. 이는 복제 과정에서 핵심적인 역할을 하는 ‘촉매 역할’의 후보군이 저복잡도, 고일반성 요소임을 의미한다.

다음으로, ε‑머신들의 상호작용 규칙을 ‘반응 규칙 집합’으로 정의하고, 각 반응이 새로운 ε‑머신을 생성하거나 기존을 변형시키는 과정을 시뮬레이션한다. 여기서 중요한 것은 ‘자동촉매(autocatalysis)’ 현상이다. 특정 저복잡도 ε‑머신 A와 B가 결합해 C를 만들고, C가 다시 A와 결합해 D를 생성하는 식으로, 초기 단계에서 단순한 두 레벨의 구조가 점진적으로 더 높은 차원의 복합체를 형성한다. 이러한 계층적 성장 패턴은 네트워크의 ‘모듈성(modularity)’과 ‘계층성(hierarchy)’ 지표가 시간에 따라 급격히 상승하는 것으로 확인된다.

또한, 저복잡도 ε‑머신이 다수의 다른 ε‑머신과 결합할 수 있는 ‘다중 연결성(multi‑connectivity)’을 보이며, 이는 전체 시스템이 다양한 경로를 통해 복제와 변형을 수행하도록 만든다. 결과적으로, 시스템은 자연스럽게 ‘선택 압력(selection pressure)’을 형성한다. 복제 효율이 높은 저복잡도 ε‑머신이 더 많이 보존되고, 이들이 구성하는 고차원 구조가 전체 복잡성을 주도한다. 이는 ‘전역 복잡성은 로컬 단순성을 필요로 한다’는 가설을 실험적으로 뒷받침한다.

마지막으로, 논문은 이러한 메커니즘이 특정 초기 조건이나 파라미터에 크게 의존하지 않으며, 다양한 ε‑머신 집합과 반응 규칙에서도 동일한 계층적 자기조직 현상이 나타난다는 ‘보편성(generality)’을 강조한다. 이는 프리너리 프로세스 수프 모델이 실제 원시 화학 시스템이나 인공 생명 시뮬레이션에 적용될 수 있는 이론적 기반을 제공함을 의미한다.