프리픽스 트리로 대규모 연속시간 마코프 모델의 메모리 효율 극대화

초록

본 논문은 화학반응망(CRN) 등 대규모 연속시간 마코프 연쇄(CTMC) 모델에서 상태를 저장하는 전통적인 해시맵 대신 프리픽스 트리(Trie)를 활용해 메모리 사용량을 절반 수준으로 감소시키는 방법을 제안한다. 또한 변수 순서를 최적화하기 위한 Bounded Model Checking(BMC) 전처리 기법을 도입해 추가적인 메모리 절감 효과를 확인하였다. 이론적 복잡도 분석과 Storm 툴과의 실험적 비교를 통해 시간 복잡도는 유지하면서 메모리 효율이 크게 향상됨을 입증한다.

상세 분석

본 연구는 CTMC의 전이 확률 계산을 위해 반드시 필요한 명시적 상태 표현을 전제로 한다. 기존 최첨단 도구인 Storm은 3‑bit Murmur 해시를 이용한 해시맵을 사용해 평균 O(1) 삽입·조회 시간을 제공하지만, 상태 수가 수십억에 달하는 대규모 CRN에서는 메모리 한계에 쉽게 부딪힌다. 저자들은 이러한 문제를 ‘공통 프리픽스’ 개념을 활용한 트리 구조, 즉 프리픽스 트리(Trie)로 해결한다.

프리픽스 트리는 각 변수(종)별 값을 레벨별로 저장하고, 동일한 앞부분을 공유함으로써 중복 데이터를 크게 줄인다. 특히 CRN은 한 번의 반응에서 몇 개의 종만 변하므로 대부분의 상태가 긴 공통 접두사를 가진다. 이 특성을 이용하면 트리의 깊이는 변수 수(m)와 동일하지만, 실제 메모리 사용량은 해시맵이 저장하는 전체 벡터 수에 비해 현저히 적다.

이론적으로 트리의 최악 경우 메모리 복잡도는 O(N·m)이며, 이는 해시맵의 O(N)와 동일 수준이다. 평균·최선 경우에는 공유된 노드 수가 증가함에 따라 메모리 절감 비율이 30%~60%에 달한다. 시간 복잡도 측면에서는 각 삽입·조회가 변수 수만큼 순차 탐색을 필요로 하므로 O(m)이다. 변수 수가 수십 정도이면 실질적인 상수 시간에 가깝고, 캐시 친화적인 배열 기반 구현을 통해 해시맵과 동등한 성능을 유지한다.

또한 변수 순서가 메모리 절감에 미치는 영향을 고려해 BMC 기반 전처리 단계를 제안한다. BMC를 이용해 상태 전이 그래프를 탐색하고, 높은 빈도로 공동 등장하는 변수들을 인접하게 배치함으로써 프리픽스 공유를 극대화한다. 실험에서는 BMC 전처리 후 평균 메모리 사용량이 추가 10%~15% 감소하는 효과를 보였다.

한계점으로는 트리 구조가 삽입·삭제 시 포인터 연산을 많이 요구해 메모리 할당 비용이 증가할 수 있다는 점이다. 또한 변수 순서 최적화는 NP‑hard 문제에 가까워 완전 최적을 찾기 어렵고, 현재는 휴리스틱 기반 BMC에 의존한다. 병렬 탐색 환경에서 트리의 공유 노드에 대한 동시 접근 제어가 필요하며, 저자들은 잠금‑프리 설계가 가능함을 시사하지만 구체적인 구현은 논문에 포함되지 않았다.

전반적으로 프리픽스 트리는 해시맵 대비 메모리 효율성을 크게 개선하면서도 시간 복잡도와 명시적 상태 접근성을 유지하는 실용적인 대안이며, 특히 변수 간 상호작용이 제한적인 CRN·VAS와 같은 모델에 최적화된 설계라고 평가할 수 있다.