n‑퍼뮤터빌리티와 선형 Datalog이 대칭 Datalog을 함의한다

초록

핵심 구조 A가 코어이며 CSP(A)를 선형 Datalog 프로그램으로 해결할 수 있고, A가 어떤 n에 대해 n‑퍼뮤터블이면 CSP(A)는 대칭 Datalog으로도 해결 가능하다. 따라서 이러한 경우 CSP(A)는 결정적 로그스페이스(L) 안에 속한다.

상세 분석

이 논문은 제한된 형태의 Datalog 프로그램이 갖는 계산적 힘을 대수적 특성과 연결시킨다. 먼저 코어 관계 구조 A에 대해 “선형 Datalog”이란 규칙 본문에 변수들이 한 번씩만 등장하는 프로그램을 의미한다. 선형 Datalog은 “bounded‑pathwidth duality”와 동치이며, 이는 인스턴스의 구조가 좁은 트리‑폭을 가질 때 효율적인 해법을 제공한다. 논문은 여기서 한 단계 더 나아가, A가 n‑퍼뮤터블(즉, 그가 생성하는 다양체가 n‑퍼뮤터블이라는 의미)일 경우, 선형 Datalog이 작동하는 모든 인스턴스를 대칭 Datalog 프로그램으로도 해결할 수 있음을 증명한다.

핵심 아이디어는 세 단계로 구성된다. 첫째, 대칭 Datalog를 이용해 기존 인스턴스에서 새로운 “파생” 인스턴스를 생성하는 메커니즘을 제시한다. 이는 작은 대칭 Datalog 프로그램을 큰 프로그램 내부에서 호출하는 형태로, 재귀적 구조를 만들면서도 규칙이 대칭성을 유지한다. 둘째, “경로 CSP” 인스턴스를 정의하고, n‑퍼뮤터블성이 이러한 경로 인스턴스에 강한 제한을 가한다는 사실을 보인다. 구체적으로, Hagemann‑Mitschke 항(term)들의 존재가 경로상의 변수 간 관계를 제한해, 결국 일정 길이 이하의 경로만이 어려운 경우가 된다. 셋째, 선형 Datalog이 제공하는 “경로 인스턴스 해결” 능력을 이용해 일반 CSP 인스턴스를 경로 인스턴스들의 집합으로 분해하고, 앞서 만든 대칭 Datalog 프로그램으로 각각을 해결한다. 이렇게 하면 전체 인스턴스도 대칭 Datalog으로 해결 가능해진다.

기술적 난관은 Lemma 4.5에서 나타난다. 이 보조정리는 Ramsey 이론을 활용해 큰 구조 안에서 일정한 패턴을 찾아내야 하는데, 그 과정에서 프로그램 크기가 급격히 증가한다. 따라서 이론적으로는 가능하지만, 실제 구현에서는 비효율적일 수 있다.

결과적으로, 논문은 “선형 Datalog + n‑퍼뮤터블 ⇒ 대칭 Datalog”이라는 함의를 확립한다. 이는 현재 알려진 “Datalog ⇒ 선형 Datalog”와 “2‑퍼뮤터블 + Datalog ⇒ 대칭 Datalog” 사이의 격차를 메우는 역할을 한다. 또한, 선형 Datalog에 대한 완전한 분류가 이루어지면, 바로 대칭 Datalog에 대한 완전한 분류도 얻어질 수 있음을 시사한다.