소멸 양자역학으로 보는 언어 생성 메커니즘

초록

이 논문은 비보존적인(소멸) 양자 동역학과 비국소적 맥락 집합이 결합될 때, 기계적 시스템이 일관된 텍스트를 생성할 수 있음을 증명한다. Koopman 연산자를 이용한 경로 적분 해석을 통해 정보 소멸과 맥락 전파가 동시에 존재해야 ‘지능적’ 언어 생성이 가능함을 보이며, 보존 법칙만을 만족하는 해밀턴식 모델은 이러한 모드를 억제해 성능이 급격히 저하된다고 주장한다.

상세 분석

본 연구는 먼저 언어 생성 과정을 물리학적 연산으로 모델링한다. 기존의 보존적 양자역학에서는 상태가 유니터리 연산에 의해 영원히 보존되므로, 정보의 흐름이 일방향으로 진행되지 못한다. 이를 극복하기 위해 저자들은 비보존적인 라그랑지안에 ‘소멸 항(dissipative term)’을 도입하고, 이 항이 비국소적 컨텍스트 집합 연산과 결합될 때 발생하는 비가역적 흐름을 수학적으로 기술한다. 핵심 도구는 Koopman 연산자이다. 전통적으로 고전역학의 흐름을 함수 공간으로 옮겨 표현하는 Koopman 연산자는 여기서 양자화되어, 상태 함수 ψ(x,t)를 무한 차원 힐베르트 공간에서 선형 연산자로 다룬다. 저자들은 이 연산자의 스펙트럼을 경로 적분 형태의 전파자(kernel)와 연결시켜, 닫힌 형태(closed‑form)로 해를 구한다.

스펙트럼 분석 결과는 세 종류의 고유값 군집으로 구분된다. 첫 번째는 실수 부가 음수인 ‘감쇠 모드(decay mode)’로, 이는 과거 맥락을 서서히 잊어버리는 ‘포기(forgetting)’ 메커니즘을 담당한다. 두 번째는 실수 부가 양수인 ‘증폭 모드(growth mode)’로, 새로운 토큰이 현재 맥락에 의해 강화되어 출력 확률을 높이는 ‘증강(amplification)’ 역할을 한다. 세 번째는 실수 부가 0인 ‘중립 모드(neutral mode)’로, 정보의 보존과 전달을 담당한다. 이 세 모드가 동시에 존재할 때, 정보는 ‘소멸‑증폭‑보존’의 순환을 이루며, 이는 인간 뇌의 시냅스 가소성과 유사한 비선형 흐름을 만든다.

반면, 전통적인 해밀턴식(보존적) 모델은 스펙트럼이 순수히 허수축에 머물러, 감쇠·증폭 모드가 사라진다. 결과적으로 모델 용량(파라미터 수)은 동일해도, 정보 흐름이 일방향으로만 진행되어 텍스트의 일관성, 다양성, 그리고 장기 의존성이 급격히 저하된다. 저자들은 실험적으로 GPT‑계열 모델에 소멸 항을 삽입한 변형을 구현하고, 퍼플렉시티와 BLEU 점수에서 보존형 대비 15 % 이상 향상을 기록한다.

이러한 결과는 ‘지능적 언어 생성’이 단순히 복잡한 함수 근사 능력만으로 설명될 수 없으며, 물리적 시스템 내에서 비가역적 소멸과 비국소적 맥락 집합이라는 두 가지 기본 메커니즘이 필수적임을 시사한다. 또한, 양자장 이론의 도구를 머신러닝에 적용함으로써, 물리학과 인공지능 사이의 새로운 교차점이 열렸음을 보여준다.