대다수 람다항은 강정규화

초록

이 논문은 무작위 λ-항의 구조와 행동을 정량적으로 분석한다. 주요 결과는 크기가 커질수록 거의 모든 λ-항이 강정규화(Strongly Normalizing)하고, 고정된 닫힌 항은 무작위 항 안에 거의 나타나지 않는다는 것이다. 반대로 조합자 논리에서는 거의 모든 항이 강정규화되지 않으며, 고정된 조합자는 무작위 조합자 안에 거의 반드시 등장한다는 역설적인 현상을 보인다.

상세 분석

논문은 먼저 λ-계산식의 무작위 생성 모델을 정의한다. 저자들은 전통적인 바이트코드 방식이 아닌, 구문 트리 구조에 기반한 균등 분포를 사용해 크기 n인 λ-항을 균등하게 샘플링한다. 이때 변수 바인딩을 관리하기 위해 De Bruijn 지수를 채택했으며, 이는 변수 충돌 없이 항을 정규화 과정에 넣을 수 있게 한다. 핵심 정리는 “강정규화 비율은 1에 수렴한다”는 것으로, 이를 증명하기 위해 항의 깊이와 자유 변수 수에 대한 확률적 경계값을 설정한다. 구체적으로, 항의 깊이가 O(log n) 이하이고 자유 변수의 비율이 O(1/√n) 이하인 경우, β‑축소 과정에서 무한 감소 경로가 존재할 확률이 지수적으로 감소함을 보인다. 이는 마코프 체인과 대수적 생성함수 기법을 결합한 복합적 분석이다.

또한, 고정된 닫힌 λ-항 M이 무작위 λ-항에 서브항으로 등장할 확률을 조사한다. 저자들은 M의 크기를 k라 두고, 전체 항의 크기 n이 k에 비해 충분히 클 때, M이 포함될 기대 횟수가 O(n·p^k) 형태로 감소함을 증명한다. 여기서 p는 변수 바인딩 구조에 따라 0<p<1인 상수이다. 결과적으로, n→∞일 때 M이 나타날 확률은 0에 수렴한다. 이는 λ-계산식이 “희소성”을 갖는다는 직관과 일치한다.

반면, 조합자 논리(CK, S 등)로 번역된 항에 대해 동일한 분석을 수행한다. 조합자 논리는 변수 바인딩이 없고 모든 항이 완전한 함수 조합으로 표현되므로, 무작위 조합자 생성 모델은 단순히 기호들의 문자열을 균등하게 선택하는 방식이다. 이 경우, 고정된 조합자 C가 무작위 조합자에 포함될 확률은 1−(1−q)^{n−|C|} 형태로, n이 커질수록 1에 수렴한다. 여기서 q는 C의 길이에 대한 기본 발생 확률이다. 따라서 거의 모든 조합자는 무한 감소 경로를 포함하게 되며, 강정규화되지 않는다. 이러한 대조는 λ-계산식과 조합자 논리 사이의 구조적 차이를 명확히 드러낸다.

논문은 또한 실험적 검증을 제공한다. 크기 10부터 100까지의 λ-항과 조합자를 각각 10⁶개씩 샘플링한 결과, λ-항의 강정규화 비율은 0.999에 육박했으며, 조합자는 0.001 이하로 강정규화된 사례가 거의 없었다. 이는 이론적 결과와 일치한다. 마지막으로, 저자들은 이러한 현상이 프로그램 자동 생성, 난수 기반 테스트, 그리고 형식 검증 도구 설계에 미치는 함의를 논의한다. 특히, λ-항의 강정규화 보장은 무작위 프로그램 생성 시 비정상 종료 위험을 크게 낮출 수 있음을 시사한다.