철학 기반 복합 시스템 수학 형식화

이 논문은 복합 시스템을 모델링하고 시뮬레이션하기 위한 새로운 프레임워크인 ‘allagmatic method’를 철학적·사이버네틱스적 배경 위에 수학적으로 정형화한다. 서론에서는 복합 시스템이 전통적인 미분방정식 기반 모델링으로는 비선형·국소적 상호작용을 충분히 포착하지 못한다는 점을 강조하고, 셀룰러 오토마타, 에이전트 기반 모델, 인공 신경망 등 로컬 규칙에 기반한 모델들의 필요성을 제시한다. ‘allagmatic method’는 시스템을 구조와 연산의 결합으로 보는 메타모델을 제안한다. 구조는 최소 하나의 공간적 도메인(구조)과 최소 하나의 시간적 도메인(연산)으로 구성된 (s+o)-튜플 SM으로 정의된다. 구체적으로, 엔티티 E 는 상태 집합 Q 의 원소들로 이루어진 e‑튜플이며, 각 엔티티의 이웃 관계는 인접 리스트 M (밀리외)로 표현한다. 업데이트 규칙 U 는 엔티티와 그 이웃의 현재 상태를 입력으로 받아 새로운 상태를 산출하는 함수 φ: Q^{m+1}→Q 를 기술한다. 적응·학습 메커니즘을 위해 적응 규칙 A 와 적응 종료 P 를 도입하고, 이를 수행하는 적응 함수 ψ 를 정의한다. 연산 집합 O 는 최소 φ 와 선택적 ψ 를 포함한다. 수학적 정의는 다음과 같다. - 정의 III.1: 시스템 모델 SM 은 구조 S 와 연산 O 의 (s+o)-튜플이다. - 정의 III.2: 구조 S 는 엔티티 E, 상태 집합 Q, 밀리외 M, 업데이트 규칙 U, 적응 규칙 A, 적응 종료 P 등을 포함한다. - 정의 III.3: 연산 O 는 업데이트 함수 φ 와 선택적 적응 함수 ψ 를 포함한다. 이 형식화는 기존 C++ 구현과 직접 연결된다. 엔티티는 템플릿 클래스로 구현되어 상태 타입을 자유롭게 지정할 수 있고, 시스템 모델 클래스는 엔티티와 밀리외를 동적 벡터로 보관한다. 업데이트 함수는 파생 클래스에서 구체화되며, 적응 함수는 별도 파라미터(예: 손실 l, 현재 적응 단계 ḡ)와 함께 제공된다. 논문은 이 메타모델을 두 가지 사례에 적용한다. 첫 번째 사례는 셀룰러 오토마타이다. 여기서 엔티티는 격자 셀, 밀리외는 4‑또는 8‑이웃 리스트, 업데이트 규칙 U 는 진리표 형태로 저장된다. 목표 출력(예: 특정 패턴)을 달성하기 위해 진화 알고리즘을 적용해 규칙 U 를 자동 설계한다. 두 번째 사례는 인공 신경망이다. 엔티티는 뉴런, 밀리외는 가중치 연결 리스트, 업데이트 규칙 U 는 활성화·전파 함수, 적응 함수 ψ 는 역전파와 손실 최소화 과정을 구현한다. 두 모델 모두 동일한 메타모델 구조 위에 구현되었으며, 논문은 셀룰러 오토마타와 신경망 사이의 모델 등가성을 정리와 증명을 통해 공식화한다. 즉, 특정 조건 하에 두 시스템은 동일한 상태 전이 함수를 공유하므로, 하나의 메타모델로부터 서로 변환 가능한 모델을 생성할 수 있음을 보인다. 이러한 형식화의 의의는 다음과 같다. 첫째, 철학적 ‘개체화(individuation)’와 ‘유기체(organism)’ 개념을 수학적 튜플·함수 구조에 매핑함으로써 시스템이 시간·공간적으로 변형되는 과정을 메타레벨에서 일관되게 기술한다. 둘째, 모든 구성 요소를 명시적 집합·함수로 정의함으로써 모델의 재현성 및 형식 검증이 가능해진다. 셋째, C++ 템플릿 메타프로그래밍을 활용한 구현은 타입‑안전성을 보장하고, 파라미터를 바꾸어 가상·메타스테이블·액추얼 레짐을 전이시키는 유연성을 제공한다. 넷째, 셀룰러 오토마타와 인공 신경망이라는 서로 다른 전통적 모델을 동일 메타모델로 통합함으로써, 복합 시스템 연구에서 모델 간 비교·통합 연구가 보다 체계적으로 수행될 수 있다. 결론에서는 현재 형식화가 아직 초기 단계이며, 적응·학습 메커니즘의 보다 정교한 수학적 기술, 복잡도 분석, 그리고 다른 복합 시스템(예: 사회·경제 모델)으로의 확장 가능성을 제시한다. 또한, 형식화된 메타모델을 기반으로 자동 모델 생성·검증 파이프라인을 구축함으로써, 복합 시스템 연구의 생산성을 크게 향상시킬 수 있음을 강조한다.