마틴‑로프 확장형 타입 이론을 위한 크립키 의미론

초록

이 논문은 마틴‑로프의 확장형 종속 타입 이론(MLTT)을 포스 집합(포셋) 위에 인덱싱된 집합, 즉 포스 위의 피브레이션으로 해석하는 새로운 크립키 의미론을 제시한다. 표준 모델이면서도 해석의 일관성(coherence)을 보장하고, 완전성(soundness & completeness)까지 달성한다.

상세 분석

논문은 먼저 단순 타입 이론이 비표준 집합 모델에 대해 완전함을, 표준 모델에서는 카테고리적 구조(예: CCC, LCC)와 함께만 완전함을 갖는다는 배경을 제시한다. 종속 타입 이론에서는 특히 “coherence problem”이라 불리는, 동등한 구문이 모델에서도 동등하게 해석되는지를 보장하는 문제가 핵심 난관이다. 기존 접근법은 카테고리와 속성(category with attributes) 등 복잡한 구조에 의존했으며, 구현과 직관 모두에서 어려움을 안겨왔다.

저자들은 이러한 문제를 해결하기 위해 포스 (P) 위의 집합값 함자(functor) (SET^{P}) 를 기본 모델로 삼는다. 여기서 타입은 포스에 대한 인덱스된 집합 (\Gamma\mapsto \mathsf{Set}) 로, 컨텍스트 (\Gamma) 자체는 포스 자체로 해석한다. 이때 피브레이션은 “분할(fibration)”, 즉 모든 위쪽 사다리꼴이 유일하게 리프팅되는 구조로 정의되며, 이는 Grothendieck‑식 요소군 (\int_{P}A) 로 구체화된다.

핵심 기술은 두 가지이다. 첫째, (SET^{P}) 에서 pullback 함자를 일관되게 선택하고, 이를 통해 타입 의존성(예: (\Sigma), (\Pi) 타입)의 의미를 정의한다. 저자는 토포로지 이론의 정리를 이용해, 모든 포스에 대해 이러한 pullback이 존재하고 자연스러운 선택이 가능함을 증명한다. 둘째, (\Sigma)와 (\Pi)에 대한 좌·우 adjoint를 구성해, 종속 합과 종속 곱이 각각 pullback의 좌·우 adjoint가 되도록 만든다. 이 과정에서 기존 LCC 카테고리에서 요구되는 복잡한 선택 문제를, 단순히 집합 위의 전단사와 전단사 역함수로 환원함으로써 해결한다.

이러한 구조 위에 구문적 변환(대입, β‑η 변환, 동등성 규칙 등)을 해석하면, 모든 판단 규칙이 모델에서 보존됨을 보이는 soundness와, 반대로 모델에서 만족되는 식이 타입 이론의 증명으로 귀환함을 보이는 completeness를 얻는다. 특히, 완전성 증명은 기존의 Henkin‑식 비표준 모델이 아니라, 완전히 표준적인 집합 모델을 사용한다는 점에서 의의가 크다.

마지막으로, 저자는 이 모델이 기존의 Kripke‑모델(일차 논리)과 직접적인 일반화 관계에 있음을 강조하고, 단순 타입 이론에서도 동일한 프레임워크가 적용될 수 있음을 보인다. 결과적으로, 복잡한 카테고리 이론에 의존하지 않으면서도, 종속 타입 이론의 모든 핵심 연산을 일관되고 계산적으로 다룰 수 있는 새로운 모델 클래스를 제공한다.