전역 캐스케이드로 구현하는 보편적 불린 논리

초록

본 논문은 전역 캐스케이드 모델(GCM)과 그 변형인 적대적 전역 캐스케이드 모델(AGCM)을 이용해 네트워크 내에서 보편적인 불린 논리 회로를 구현할 수 있음을 보인다. GCM은 단조 증가 논리(AND, OR)만 수행하지만, 라벨링 규칙을 부정으로 뒤바꾼 AGCM은 NAND·NOR를 포함한 모든 불린 연산을 구현할 수 있다. 또한 GCM은 최종 상태가 결정론적이지만, AGCM은 라벨링 순서에 따라 비결정론적 결과를 보이며, 두 모델의 캐스케이드 빈도는 평균 차수에 대해 상보적인 형태를 가진다. 이러한 결과는 계산 이론과 퍼콜레이션 이론을 통합하는 새로운 연구 방향을 제시한다.

상세 분석

논문은 먼저 기존의 전역 캐스케이드 모델(GCM)을 정의한다. GCM은 Erdos‑Renyi 무작위 그래프 위에 각 노드에 0 ≤ ϕ < 1 의 임계값을 부여하고, 소수의 시드 노드를 라벨링한 뒤, 이웃 라벨 비율 ν가 ϕ 이상이면 노드를 라벨링하는 비동기적 과정을 반복한다. 이 규칙은 노드가 OR(ϕ ≤ 1/k) 혹은 AND(ϕ > (k‑1)/k)와 같은 다중 입력 논리게이트로 동작하게 함을 보이며, 1/k < ϕ ≤ (k‑1)/k 구간에서는 일반적인 임계 논리 유닛으로 해석된다. 따라서 GCM은 단조 증가 함수만 구현 가능하고, NOT 같은 부정 연산은 직접 구현되지 않는다.

다음으로 저자들은 GCM의 라벨링 규칙을 부정(≥를 ≤ 로, ≤를 ≥ 로)으로 뒤바꾸어 적대적 전역 캐스케이드 모델(AGCM)을 제안한다. 이 경우 동일한 ϕ 값에 대해 노드는 원래 OR·AND의 논리적 보수인 NOR·NAND 역할을 하게 된다. 즉, ϕ ≤ 1/k이면 NOR, ϕ > (k‑1)/k이면 NAND가 구현된다. NAND와 NOR는 함수적으로 완전한 연산군이므로, AGCM은 임의의 불린 회로를 구성할 수 있다. 논문은 간단한 NOT 게이트를 ϕ > 0 인 단일 이웃 노드로 구현하고, 이를 NAND·NOR와 결합해 AND·OR 등 모든 기본 연산을 만들 수 있음을 시연한다.

결정론성에 관한 분석에서는 GCM이 라벨링 규칙이 단조 증가이므로 라벨링 순서에 관계없이 최종 상태가 유일함을 정리와 보조정리를 통해 증명한다. 반면 AGCM은 라벨링 규칙이 단조 감소이기 때문에 라벨링 순서에 따라 최종 라벨링 집합이 달라질 수 있다. 저자는 삼각형 그래프 예시를 들어, 같은 초기 시드와 동일한 ϕ 값을 가졌음에도 불구하고 B와 C 노드 중 어느 것을 먼저 검사하느냐에 따라 최종 라벨이 달라지는 비결정론적 현상을 보여준다.

캐스케이드 빈도 분석에서는 평균 차수 z에 따른 전역 캐스케이드 발생 확률을 실험적으로 측정한다. GCM에서는 중간 차수(2 ≤ z ≤ 6)에서 캐스케이드 빈도가 최고였지만, AGCM에서는 같은 구간에서 빈도가 최소가 된다. 이는 AGCM이 라벨링이 늘어날수록 반대 효과(antagonism)를 일으켜 추가 라벨링을 억제하기 때문이다. 반대로 매우 희소한 그래프(z ≤ 2)에서는 AGCM이 오히려 라벨링을 촉진한다. 이러한 상보적 패턴은 두 모델이 서로 반대 방향의 퍼콜레이션 현상을 나타낸다는 점에서 흥미롭다.

마지막으로 논문은 AGCM이 부정 연산을 자연스럽게 제공함으로써 XOR와 같은 비단조 함수도 구현 가능함을 강조한다. 또한 대규모 네트워크(예: 뇌의 10¹¹ 뉴런)에서 기능적 완전성을 갖는 경우, 복잡한 산술 연산부터 형식 언어 인식까지 광범위한 계산을 수행할 잠재력이 있음을 제시한다. 향후 연구 과제로는 임계값 분석, 학습·제어 메커니즘, 동적 시스템으로서의 안정성 및 수렴성, 정보 이론적 측정, 그리고 혼합 라벨링 규칙을 갖는 하이브리드 모델 등이 제시된다.