베이지안 네트워크와 증명망의 연결 고리

초록

이 논문은 베이지안 네트워크와 선형 논리의 증명망(proof‑net)을 연결시켜, 베이지안 추론을 증명 이론적 관점에서 재구성한다. 그래프 기반의 증명망을 이용해 베이지안 네트워크의 구조와 연산을 구성적·효율적으로 표현하고, 절단 제거(cut‑elimination)와 절단 확장(cut‑expansion)을 그래프 재작성 규칙으로 구현한다.

상세 분석

논문은 먼저 베이지안 네트워크(BN)의 두 가지 핵심 요소—정성적 구조를 나타내는 DAG와 정량적 조건부 확률표(CPT)—를 선형 논리의 양극성 원자와 연결한다. 양극성 원자 X⁺와 X⁻는 각각 “출력”과 “입력” 정보를 담당하며, 이들의 흐름은 Geometry of Interaction에 의해 정의된다. 저자들은 MLL(Multiplicative Linear Logic)에 ‘박스(box)’ 노드를 도입해 CPT를 캡슐화하고, 박스 내부를 샘플링 노드와 if‑then‑else 구조(⊕, &)로 구현함으로써 확률적 연산을 그래프 수준에서 구현한다. 이때 박스는 선형 논리의 구조 규칙인 약화(weakening)와 수축(contraction)을 허용하도록 설계돼, 베이지안 네트워크의 변수 복제와 증거 전파를 자연스럽게 모델링한다.

핵심 기술은 증명망의 절단(cut) 연산을 베이지안 추론의 변수 결합·소거 과정에 대응시키는 것이다. 절단 제거는 변수들을 결합해 새로운 CPT를 생성하고, 절단 확장은 역으로 변수들을 분해해 부분 네트워크로 나눈다. 이러한 그래프 재작성은 전통적인 베이지안 추론 알고리즘(예: 변수 소거, 메시지 전달)과 동형이며, 동시에 증명 이론의 정규화 속성—강한 정합성, 교환 법칙, 결합 법칙—을 보장한다.

또한 논문은 그래프 분해가 증명 트리보다 유연함을 강조한다. 증명 트리는 순서와 구조가 고정돼 복합 연산을 표현하는 데 제약이 있지만, 증명망은 임의의 서브그래프를 독립적인 컴포넌트로 취급해 병렬화와 부분 재사용이 가능하다. 저자들은 이 점을 활용해 ‘그래프 조합성(theorem 5.2)’을 제시하고, 베이지안 네트워크를 여러 작은 증명망으로 분해한 뒤 각각을 독립적으로 평가해 전체 비용을 감소시키는 방법을 제안한다.

효율성 측면에서는 전통적인 텐서 곱(⊗) 연산이 2ⁿ 규모의 중간 결과를 초래하는 반면, 베이지안 증명망은 ‘팩터 곱(factor product)’을 사용해 중간 표현을 CPT 형태로 유지한다. 이는 곱셈 연산이 확률적 팩터와 동일하게 동작하도록 설계된 것으로, 메모리와 시간 복잡도를 크게 낮춘다.

마지막으로 저자들은 d‑separation의 그래프적 증명을 증명망으로 구현함으로써, 베이지안 네트워크의 조건부 독립성 검증이 증명 이론의 정리와 동일한 절차로 수행될 수 있음을 보인다. 이는 베이지안 모델링과 형식 논리 사이의 깊은 상호작용을 보여주는 사례이다.