함수 공간에서 구문 객체와 Merge 연산의 인코딩

초록

본 논문은 어휘 항목을 파동함수(예: 웨이브렛) 형태로 함수 공간에 매핑하고, 이를 기반으로 비결합·교환적 마그마 구조를 보존하는 구문 객체와 Merge 연산을 동일한 함수 공간에 충실히 구현할 수 있음을 수학적으로 증명한다. 두 번째 Rényi 엔트로피를 이용한 비결합적 반덧셈을 정의하고, 이를 통해 합성 회로와 Hopf 대수적 마코프 체인을 사용해 Merge의 작용을 모델링한다. 또한, 사인파의 교차 주파수 위상 동기화를 구체적 구현 예로 제시한다.

상세 분석

이 논문은 현대 최소주의 문법에서 핵심적인 연산인 자유 대칭 Merge를 수학적·신경계 구현 관점에서 재구성한다는 점에서 혁신적이다. 먼저 어휘 항목을 파동함수, 특히 웨이브렛과 같은 국소화된 기저함수로 표현한다는 가정을 두고, 이러한 함수들의 집합에 비결합·교환적 반덧셈 연산을 정의한다. 여기서 핵심은 두 번째 Rényi 엔트로피를 이용해 ‘다양성 측도’를 정의하고, 이를 최소화하는 최적화 문제를 통해 비결합적 덧셈을 도출한다는 점이다. 이 연산은 전통적인 반덧셈(예: 최대·최소 연산)과 달리 연산 결과가 순서에 의존하지 않으면서도 결합법칙을 위배한다는 특성을 갖는다.

함수 공간 자체에 이러한 비결합적 반덧셈을 내재화함으로써, 구문 객체의 마그마 구조(교환성 + 비결합성)를 그대로 보존하는 ‘함수‑마그마’가 형성된다. 논문은 이 구조를 ‘열역학 반정반(thermodynamic semiring)’이라 명명하고, 기존의 열역학 반정반이 곱셈을 연관 연산으로, 덧셈을 정보‑다양성 기반 비결합 연산으로 변형한 형태와 일치함을 보인다.

다음으로, Merge 연산을 이러한 함수‑마그마 위에 정의된 연산으로 매핑한다. 구문 트리의 두 서브트리를 Merge 하면, 대응되는 파동함수는 두 입력 파동을 특정 회로(게이트)로 전달받아 ‘최소화 + 엔트로피 계산’ 연산을 수행한다. 이 회로는 두 입력 파동의 위상과 진폭을 조절해 새로운 파동을 생성하며, 이는 원래 구문 객체의 구조를 완전하게 보존한다. 특히, 회로의 구성은 코프로덕트와 Hopf 대수의 코알제브라 구조를 이용해 마코프 체인 형태로 기술되며, 이는 Merge가 작업공간(workspace) 상에서 반복적으로 적용될 때 발생하는 동적 변화를 수학적으로 모델링한다.

구체적 구현 예로는 사인파의 교차 주파수 위상 동기화가 제시된다. 두 파동의 주파수 비율을 적절히 선택하고, 위상을 동기화함으로써 새로운 파동이 생성되는 과정을 ‘성공자 함수(successor function)’와 동형시킨다. 이는 Chomsky가 Merge와 산술의 성공자 함수 사이에 유사성을 언급한 것을 정량적으로 설명한다는 점에서 의미가 크다.

마지막으로, 논문은 이러한 수학적 구조가 실제 신경 회로에서 구현 가능함을 뒷받침하기 위해, 최소화 연산을 수행할 수 있는 신경 세포 집단의 억제·흥분 메커니즘과 Rényi 엔트로피 계산을 위한 스파이크‑타이밍 기반 정보 통계량을 제시한다. 따라서 이 연구는 ‘어휘 → 파동함수 → 구문 마그마 → Merge 회로’라는 일련의 매핑을 통해, 인간 두뇌가 구문 구조를 어떻게 신경 진동과 위상 동기화로 구현할 수 있는지에 대한 이론적 가능성을 제시한다.