볼츠만 분포 기반 코인 선택 알고리즘

초록

본 논문은 토큰 기반 결제 시스템에서 거래를 위한 코인 선택 문제를 해결하기 위해, 토큰 가치를 에너지로 해석하고 볼츠만 분포에 따라 토큰을 샘플링하는 확률적 알고리즘인 Boltzmann Draw(BD)를 제안한다. 기존의 Random Draw와 Greedy 방식과 비교했을 때, BD는 입력 토큰 수를 제한하고, 먼지 토큰(dust) 생성을 억제하며, 지갑 내 토큰 풀 크기를 관리하는 데 효과적이다. 또한 병렬 처리에 적합한 구조를 가지고 있어 고처리량 환경에서도 실용적이다.

상세 분석

논문은 먼저 코인 선택 문제를 UTXO 기반 토큰 모델의 서브셋‑섬 문제로 정의하고, 기존 알고리즘이 만족시키지 못하는 다섯 가지 연구 목표(RO 1~RO 5)를 제시한다. RO 1은 지갑 내 토큰 풀 크기 제한, RO 2는 입력 토큰 수 최소화, RO 3은 먼지 토큰 생성 억제, RO 4는 토큰 가치 분포 균형 유지, RO 5는 고속 동시 트랜잭션 처리 가능성을 의미한다. 기존 연구들을 표 I에 정리하면서, 대부분이 하나 이상의 목표만을 부분적으로 달성하거나 복합 최적화에 높은 계산 비용을 요구함을 지적한다.

Boltzmann Draw는 토큰 가치를 물리학의 에너지와 동일시하고, 선택 확률을 p₍BD₎(u)=exp(−β·uᵥ)/∑₍w∈U\S₍BD₎₎exp(−β·wᵥ) 로 정의한다. 여기서 β는 온도와 역비례하는 파라미터로, 지갑 전체 토큰 평균 가치와 총 토큰 수에 기반해 동적으로 설정된다. β가 클수록 낮은 가치 토큰이 크게 선호되어 먼지 생성이 감소하고, 높은 가치 토큰이 거의 선택되지 않음으로써 입력 토큰 수가 제한된다. 또한, 확률적 샘플링 특성 덕분에 선택 과정이 비결정적이며, 이는 지갑 상태에 대한 정보 노출을 최소화해 프라이버시를 강화한다.

알고리즘 흐름은 Random Draw와 동일하게 ‘빈 집합 S’를 시작점으로 하여, 남은 목표 금액 Vᵣ=V−∑_{u∈S}uᵥ가 0이 될 때까지 Boltzmann 확률에 따라 토큰을 하나씩 추가한다. 선택이 완료되면 선택된 토큰은 지갑에서 제거되고, 초과 금액이 있으면 ‘체인지’ 토큰이 생성된다.

실험에서는 다양한 토큰 풀 구성(균등, 지수, 실세계 비트코인 UTXO 데이터)과 거래 금액 시나리오를 적용해 BD, Random Draw, Greedy 세 알고리즘을 비교하였다. 결과는 BD가 평균 입력 토큰 수를 1030 % 감소시키고, 먼지 토큰 비율을 4070 % 낮추며, 동시에 토큰 풀 크기 증가 속도를 억제함을 보여준다. 특히 β를 동적으로 조정한 경우, 고부하 상황에서도 선택 시간이 O(n) 수준을 유지해 병렬 구현에 유리함을 확인했다.

한계점으로는 β 파라미터 설정이 지갑 특성에 민감하고, 극단적인 가치 분포(예: 매우 큰 토큰만 존재)에서는 선택 편향이 과도해질 수 있다는 점을 언급한다. 향후 연구에서는 적응형 β 학습, 다중 목표 최적화를 위한 하이브리드 전략, 그리고 실제 CBDC 시뮬레이션을 통한 정책적 파라미터 튜닝을 제안한다.

전반적으로 논문은 통계 물리학의 Boltzmann 분포를 코인 선택에 적용함으로써, 기존 휴리스틱이나 최적화 기반 방법이 갖는 계산 복잡도와 프라이버시 문제를 완화하고, 고처리량 디지털 화폐 시스템에 실용적인 솔루션을 제공한다는 점에서 의미가 크다.