코덱스 1 영구동형학을 위한 최적 사이클과 일반화된 랜드스케이프

초록

본 논문은 ℝ^{d+1}에 삽입된 필터링된 단순 복합체 K에 대해, 보완 공간의 병합 트리를 이용해 H_d(K)의 영구동형학에 숲 구조를 부여한다. 연결 성분이 부피‑최적 d‑사이클의 대표 집합이 됨을 증명하고, 필터링 전 과정에서 이 사이클들이 어떻게 변하는지를 추적한다. 이를 기반으로 각 바코드 구간마다 순차적 대표 사이클을 정의하고, 길이·부피·곡률 등 함수값을 적용해 ‘사이클 진행 바코드’를 만든다. 함수값을 컨볼루션한 일반화된 영구 랜드스케이프를 제안하며, 기존 랜드스케이프는 상수 함수 선택 시 복원된다. O(|K|^2) 알고리즘을 구현하고, 동일한 바코드를 갖는 점군을 형태적으로 구분하는 실험을 제시한다.

상세 분석

이 연구는 코덱스 1(즉, 차원 d + 1 복합체의 d‑차 영구동형학)에서 최적 사이클을 효율적으로 구할 수 있는 새로운 이론적·알고리즘적 프레임워크를 제공한다. 핵심 아이디어는 Alexander 이중성을 이용해 K의 보완 공간 ℝ^{d+1}\K와 연결 성분 사이의 일대일 대응을 구축하는 것이다. 구체적으로, K를 (d + 1)‑구면 S^{d+1}의 부분 복합체로 확장하고, 그 이중 셀 복합체 \bar{K}를 구성한다. \bar{K}의 0‑셀(정점)들은 K의 (d + 1)‑셀의 여집합에 대응하며, 각 정점이 속한 연결 성분은 \bar{K}의 0‑동류군 \tilde H_0(\bar{K})의 기저를 형성한다. 이때 정의된 사상 Φ_K: C_0(\bar{K}) → C_{d+1}(K)와 그 경계 연산자를 조합한 ∂Φ_K는 \tilde H_0(\bar{K})와 \tilde H_d(K) 사이의 동형을 명시적으로 제공한다.

이 동형을 통해 연결 성분마다 하나의 d‑사이클 ∂Φ_K(c) 를 얻으며, 이는 부피‑최소(즉, 모든 (d + 1)‑셀에 동일 가중치를 부여했을 때) 사이클이다. 저자들은 가중치 함수 wt: (K){d+1} → ℝ{\ge0} 를 도입해 일반적인 선형 가중치에 대해서도 최소 사이클 기저가 존재함을 보이고, wt(σ)>0이면 최소 기저는 유일함을 증명한다.

필터링 관점에서는 K_t가 t에 따라 증가함에 따라 \bar{K}_t의 연결 성분이 합쳐지거나 분리되는 사건이 발생한다. 이러한 사건들을 기록한 것이 ‘병합 트리(merge tree)’이며, 트리의 각 노드는 연결 성분을, 엣지는 합병(또는 분리) 시점을 나타낸다. 저자들은 이 트리를 이용해 ‘영구 포레스트(persistence forest)’를 정의한다. 포레스트는 각 바코드 구간 I에 대응하는 연결 성분들의 생·소멸 시점을 정확히 추적하며, 각 구간마다 시간에 따라 변하는 대표 사이클 γ_I(t) 를 얻는다.

알고리즘적으로는 초기 단계에서 K의 (d + 1)‑셀과 \bar{K}의 정점을 그래프 형태로 저장하고, Union‑Find 자료구조를 활용해 병합 이벤트를 O(|K|·α(|K|)) 시간에 처리한다. 각 이벤트마다 현재 연결 성분의 대표 정점을 갱신하고, ∂Φ_K를 통해 대응되는 d‑사이클을 업데이트한다. 전체 복잡도는 O(|K|^2)이며, 이는 기존 최적 사이클을 매 바코드마다 독립적으로 계산하는 방법보다 훨씬 효율적이다. 구현은 C++와 Python 바인딩으로 제공되며, Homcloud 패키지와 호환된다.

대표 사이클에 함수 f: Z_d(K_∞) → ℝ (예: 아크 길이, 둘러싼 부피, 전체 곡률 등)을 적용하면 f∘γ_I : I → ℝ 를 얻는다. 이 함수를 구간 I의 지시함수와 컨볼루션하면 ‘일반화된 영구 랜드스케이프(generalized persistence landscape)’가 된다. 특수하게 f≡1을 선택하면 기존의 영구 랜드스케이프와 동일해진다. 따라서 일반화된 랜드스케이프는 바코드의 생존 구간 정보뿐 아니라 사이클의 기하학적 변화를 정량화한다.

실험에서는 2‑차원 α‑복합체를 이용해 두 점군이 동일한 H_1 바코드를 갖지만, 하나는 원형, 다른 하나는 타원형 형태임을 보여준다. 기존 랜드스케이프는 두 점군을 구분하지 못하지만, 부피‑기반 일반화 랜드스케이프는 명확히 차이를 드러낸다. 또한, 부호 체인(signed chains)을 활용하면 얇은 브릿지가 존재하는 경우에도 해당 브릿지를 정확히 포착할 수 있음을 확인한다. 전체적으로 이 논문은 코덱스 1 영구동형학에서 기하학적 정보를 보존하면서도 계산 효율성을 유지하는 방법을 제시하며, 데이터 분석·머신러닝 분야에서 형태 기반 특징 추출에 새로운 도구를 제공한다.