확산 기하학 연산 혁신

초록

본 논문은 확산 과정을 이용해 미분기하학을 데이터에 직접 적용할 수 있는 새로운 계산 프레임워크를 제시한다. 열핵을 기반으로 함수·벡터장·형식·텐서를 정의하고, 이를 통해 그래디언트, 해시안, 라플라시안 등 전통적 연산을 잡음에 강인하고 확장 가능한 방식으로 계산한다. 또한 지오데식 거리, 곡률, de Rham 동조류, 원형 좌표, 모스 이론 등 위상적 분석 도구를 데이터‑드리븐으로 구현한다. 구현은 선형대수 라이브러리를 활용해 대규모 포인트 클라우드에 효율적으로 확장된다.

상세 분석

이 논문은 기존의 리만 기하학이 요구하는 매니폴드 가정과 무한소 미분 연산을 데이터 샘플에 직접 적용하기 어려운 문제를 ‘확산 기하학’이라는 새로운 이론적 틀로 해결한다. 핵심 아이디어는 마코프 확산 과정, 특히 열핵(heat kernel)을 이용해 공간의 내재적 거리와 내적 구조를 추정하고, 이를 ‘carré du champ’ 연산으로 표현한다. ‘carré du champ’는 두 함수의 곱에 대한 라플라시안 형태를 일반화한 것으로, 마코프 연산자를 통해 직접 계산 가능하다. 논문은 이 연산자를 기반으로 함수, 벡터장, 미분형식, 텐서를 데이터 기반 좌표(embedding 혹은 immersion)로 표현하는 방법을 제시한다.

구체적으로, 함수 공간은 열핵의 고유함수 전개를 통해 근사하고, 벡터장은 좌표 함수들의 그래디언트를 ‘carré du champ’ 행렬로 결합해 얻는다. 이때 얻어지는 행렬은 스파스하고 대칭이며, 기존의 라플라시안 행렬과 동일한 스펙트럼 특성을 가진다. 따라서 그래디언트·다이버전스·라플라시안·외부 미분·코다이어벡터 등 모든 주요 미분 연산자를 선형 시스템 혹은 약한 형태(weak formulation)로 변환한다. 이러한 변환은 프레임 이론을 이용해 연속적인 스팬 집합과 이산적인 샘플 집합 사이의 일관성을 보장한다.

연산의 수치적 안정성은 프레임 경계조건(frame bounds)과 Bessel 시퀀스 분석을 통해 증명되며, 고차원 데이터에서도 잡음에 대한 강인성을 유지한다. 특히, 해시안(헤시안)과 레비-치비타 연결을 이용한 섹션 곡률 추정은 비매니폴드 데이터에서도 최초로 구현된 사례로, 기존 방법이 요구하던 매니폴드 가정을 완전히 제거한다.

위상적 분석 부분에서는 해밀턴 형태의 조화형(harmonic forms)을 이용해 de Rham 동조류를 계산하고, 1‑차 동조류에 대한 원형 좌표(circular coordinates)를 구축한다. 모스 이론은 함수의 임계점과 그 인덱스를 확산 기반 해시안 행렬의 고유값·고유벡터 분석을 통해 자동으로 추출한다. 이 모든 과정은 기존의 Vietoris‑Rips 기반 영속 동류와 비교해 메모리·시간 복잡도가 수 차례 감소하고, 잡음에 대한 민감도가 크게 낮아진다.

마지막으로, 저자들은 파이썬 패키지 형태로 구현을 공개했으며, 대규모 포인트 클라우드(수백만 점)에서도 선형대수 최적화 라이브러리(예: PETSc, cuBLAS)를 활용해 실시간 수준의 계산이 가능함을 실험적으로 입증한다.