자유군에서 잠재적 양성 원소의 성장과 언어 복잡성

초록

이 논문은 자유군 (F_r)의 원소 중 자동동형을 통해 전부 양의 지수만을 갖는 형태로 변환될 수 있는 “잠재적 양성(potentially positive)” 단어들의 수열 성장률을 분석한다. 특히 (r=2)인 경우, 새로운 자동화 기법과 전이 행렬의 최대 고유값을 이용해 성장함수가 (\Theta(\lambda_1^{,n})) ((\lambda_1\approx2.5050684))임을 보이며, 이는 상한과 하한이 일치함을 의미한다. 3≤r≤7에 대해서는 기존 결과보다 강한 하한을 제시하고, 유한 상태 기계와 푸시다운 자동기가 잠재적 양성 집합을 인식하지 못함을 증명한다.

상세 분석

논문은 먼저 “잠재적 양성”이라는 개념을 정의한다. 자유군 (F_r=\langle x_1,\dots ,x_r\rangle)에서 단어 (w)가 어떤 자동동형 (\varphi)에 의해 전부 양의 지수만을 갖는 단어 (\varphi(w))로 바뀔 수 있으면 (w)를 잠재적 양성이라 부른다. 이는 양성 일단어군의 성질을 자동동형을 통해 보존한다는 점에서 중요한데, 특히 원래 양성 단어들의 밀도가 급격히 감소하더라도 자동동형을 허용하면 더 풍부한 구조를 얻을 수 있다.

연구의 핵심은 자동화 이론을 활용해 잠재적 양성 단어들의 성장률을 정량화하는 것이다. 저자들은 “mixing” 자동기(모든 상태 쌍 사이에 충분히 긴 경로가 존재함)를 설계하고, 각 상태에 라벨을 부여해 경로가 생성하는 단어가 정확히 잠재적 양성임을 보인다. 라벨링이 “one‑to‑constant”인 경우, 즉 같은 단어가 상수 개수 이하의 경로만으로 생성되면, 전이 행렬의 최대 고유값 (\lambda)에 의해 길이 (n)의 닫힌 경로 수가 (\Theta(\lambda^{n}))임을 전이 행렬 이론(Lemma 3.2, Corollary 3.3)으로부터 바로 얻을 수 있다.

(F_2)에 대해서는 Figure 4.1에 제시된 자동기를 사용한다. 이 자동기는 기본적인 양성 단어 자동기(모든 문자만 양수 지수) 위에 여러 자동동형을 적용해 상태 수를 늘리고 전이 행렬의 스펙트럼을 최적화한다. 결과적으로 다항식 (\lambda^{4}-3\lambda^{3}+\lambda^{2}+\lambda-1=0)의 최대 실근 (\lambda_1\approx2.5050684)가 얻어지며, 이는 잠재적 양성 단어들의 성장 상수이다. 논문은 또한 Goldstein’s Criterion와 Proposition 2.10을 이용해 이 자동기가 생성하는 모든 경로가 실제로 잠재적 양성임을 증명한다.

(r\ge3)에 대해서는 기존의 원시(primitive) 단어 성장률 ((2r-3)^{n})을 하한으로 삼아, 자동기 설계와 Lemma 2.7을 통해 (\Omega(b^{n})) 형태의 새로운 하한을 도출한다. 구체적인 수치는 논문 부록에 제시된 자동기와 전이 행렬을 통해 계산된다.

마지막으로 인식 복잡도 측면에서, 저자들은 유한 상태 기계(FSA)와 푸시다운 자동기(PDA)가 잠재적 양성 집합을 완전하게 인식할 수 없음을 보인다. 이는 잠재적 양성 언어가 정규 언어나 컨텍스트‑프리 언어보다 복잡한 구조를 가지고 있음을 의미한다. 실제로 (F_2)의 경우에도 결정 알고리즘은 튜링 기계 수준이 필요하지만, 선형 메모리 제한 LBA(linear bounded automaton)로도 구현 가능함을 언급한다.

전반적으로 이 논문은 자유군 이론, 자동동형, 그리고 전이 행렬 스펙트럼 분석을 결합해 잠재적 양성 원소들의 정확한 성장률을 밝혀냈으며, 언어 이론적 관점에서 그 복잡성을 새롭게 조명한다.