How Information Evolves: Stability-Driven Assembly and the Emergence of a Natural Genetic Algorithm

기술적 요약: 안정성 주도 조립과 자연 유전 알고리즘의 출현

문제 제기
생명의 기원 연구에서 핵심적인 과제는 분자 복제 기구가 존재하기 전에 선택과 진화 역학이 어떻게 발생할 수 있는지를 설명하는 것이다. 자동촉매 집합체, 초순환, 인공 화학 반응과 같은 전통적인 틀은 종종 복제를 전제하거나 특정 기질을 의존한다. "화학적 진화"는 종종 생체 전 조건 하에서 분자가 복잡한 구조로 변환되는 현상을 설명하는 데 자주 언급되지만, 문헌은 외부 적합도 함수나 사전 정의된 목표 없이 방향성이나 선택이 어떻게 발생하는지에 대한 기작적 설명이 종종 부족하다. 이 논문은 이러한 선택의 근본적인 물리적 동인이 **차등적 지속성 (differential persistence)**일 수 있다고 가정한다. 즉, 비평형 시스템에서 일부 구조는 결합 에너지나 운동 장벽과 같은 안정성 차이로 인해 다른 구조들보다 자연스럽게 더 오래 생존한다는 관찰이다. 다루는 핵심 질문은 개방적이고 보충되는 시스템에서 이러한 지속성 불균형이 단독으로 작용할 때 선택과 유사한 역학을 생성하고 복잡성의 출현을 주도하기에 충분한지 여부이다.

방법론
저자들은 **안정성 주도 조립 (Stability-Driven Assembly, SDA)**이라고 불리는 프레임워크를 제안하고 시뮬레이션한다.

• 시스템 정의: SDA 시스템은 기본 요소 ($E$), 가능한 패턴 집합 ($P$), 패턴을 정수 수명으로 매핑하는 안정성 함수 ($S$), 보충 함수 ($R$), 그리고 세대당 고정된 상호작용 횟수 ($I$) 로 구성된 튜플 $(E, P, S, R, I)$로 정의된다.
• 역학: 시스템은 이산적인 세대 단위로 작동한다. 기본 요소가 보충되고 기존 패턴은 확률적 연산자 (초기에는 문자열 연결, 이후에는 재조합으로 일반화됨) 를 통해 상호작용한다. 패턴은 안정성 $S(p)$에 의해 결정된 세대 수만큼 지속된 후 제거된다.
• 피드백 메커니즘: 안정성이 높은 패턴이 더 오래 지속되므로 인구 내에서 축적된다. 상호작용 상대는 빈도에 비례하여 샘플링 (룰렛 휠 샘플링) 되므로, 안정적인 패턴은 후속 상호작용에 참여할 확률이 불균형적으로 높다. 이는 안정성 $\to$ 지속성 $\to$ 인구 편향 $\to$ 편향된 샘플링이라는 자기 강화 피드백 루프를 생성한다.
• 일반화 (SDA/GA): 단순한 연결을 재조합 연산자 (하위 문자열 교환) 와 선택적 돌연변이 단계로 대체하여 프레임워크를 SDA/GA로 확장한다. 이를 통해 시스템은 적합도가 외부에서 정의되지 않고 안정성 주도 지속성에서 내재적으로 출현하는 "자연 유전 알고리즘"으로 기능할 수 있다.
• 시뮬레이션:
  1. 상징적 시뮬레이션: 사전 정의된 안정성 함수 (예: 특정 모티프에 1, 30, 50, 또는 100 세대 수명 할당) 를 가진 기본 요소 A, B, C 를 사용.
  2. 화학적 시뮬레이션: SMILES 문자열과 RDKit 툴킷을 사용하여 프레임워크를 화학 기호 공간에 매핑. 기본 요소에는 탄화수소와 기능기가 포함됨. 재조합은 원자가 타당성을 보장하기 위해 BRICS 기반 분해 및 재조립을 통해 구현됨. 안정성은 구조 기술자 (무거운 원자 수, 방향족성, 회전 가능 결합, 형식 전하 등) 기반의 휴리스틱 함수로 추정되어 정수 수명에 매핑됨.

주요 기여

1. 안정성 주도 조립의 형식화: 이 논문은 복제, 템플릿, 또는 외부 적합도 함수를 요구하지 않고 지속성 불균형만으로 선택이 출현하는 비평형 프레임워크로서 SDA 를 형식화한다.
2. 출현적 유전 알고리즘: SDA 역학이 유전 알고리즘 (SDA/GA) 과 수학적으로 동등함을 보여준다. "적합도"는 환경 (안정성) 의 출현적 속성이며, "선택"은 인구가 더 오래 지속되는 모티프를 향해 편향되는 분포의 내재적 결과이다.
3. 화학적 구현: 저자들은 SDA/GA 를 화학적 맥락에 성공적으로 매핑하여, 표준 유기 반응 유형 (치환, 첨가, 중합) 이 이 프레임워크 내에서 돌연변이 및 재조합 연산자로 해석될 수 있음을 보여준다.
4. 진화 사다리 가설: 이 논문은 비생물적 물질에서 생물학으로 이어지는 연속체를 제안하며, "지속성만" 역학 (가장 낮은 단계) 으로 시작하여 출현적 기능, 촉매, 자동촉매, 그리고 최종적으로 명시적 복제로 진전한다. 이는 복제를 진화의 전제 조건이 아니라 더 넓은 진화 사다리의 후기 단계로 재정의한다.

결과

• 인구 편향과 우세: 상징적 및 화학적 시뮬레이션 모두 균일 분포에서 강한 편차를 보인다. 고안정성 모티프가 인구를 지배하여 확률 질량의 대부분을 차지한다. 화학적 시뮬레이션에서 단일 에스터 유사 모티프는 1000 세대까지 인구의 약 54% 를 지배했으며, 몇 개의 골격이 85% 이상을 차지했다.
• 엔트로피 감소: 인구 분포의 섀넌 엔트로피는 시간이 지남에 따라 감소하여 질서의 출현을 나타낸다.
  • 연결 기반 SDA는 긴 모티프의 동기화된 만료로 인해 진동하는 "붐 - 버스트" 엔트로피 주기를 보인다.
  • 재조합 기반 SDA/GA는 재조합이 만료를 비동기화하고 저빈도 변이들의 더 넓은 풀을 유지함에 따라 더 매끄럽고 단조로운 엔트로피 감소를 보인다.
• 지속된 신규성: 엔트로피 감소에도 불구하고 시스템은 높은 신규성을 유지한다. 화학적 시뮬레이션에서 인구의 80% 이상이 초기 풀에 존재하지 않았던 화합물로 구성되어 재조합에 의해 주도되는 열린 역학을 보여준다.
• 무거운 꼬리 분포: 결과적인 인구 구조는 소수의 지배적 모티프와 희귀 변이의 긴 꼬리를 가진 무거운 꼬리 순위 - 풍부도 분포를 보이며, 이는 복잡한 적응 시스템의 특징이다.
• 강건성: 확률적 돌연변이가 도입되더라도 출현적 선택 메커니즘은 강건하게 유지된다. 엔트로피는 여전히 붕괴되며 안정적인 모티프는 우세한 상태를 유지한다.

의의 및 주장
이 논문은 지속성 불균형만으로도 진화적 탐색을 구현하기에 충분하다고 주장한다. 선택은 외부 프로그래머나 사전 정의된 적합도 함수를 필요로 하지 않으며, 오히려 비평형 시스템에서 안정성, 인구 통계, 생성 과정 간의 피드백에서 보편적으로 출현한다고 본다.

• 자연 유전 알고리즘: 이 연구는 적합도가 외부가 아닌 환경 (지속성을 통해) 에 의해 공급되는 "자연 유전 알고리즘"이 존재할 수 있음을 확립한다. 이는 명시적 목적 함수에 의존하는 고전적 GA 와 지도 학습과 대조된다.
• 생체 전 관련성: 이 발견들은 비생물적 물질에서 진화하는 생물권으로의 전환이 유전적 복제의 등장에 앞서 단순한 안정성 주도 선택으로 시작될 수 있음을 시사한다. 이는 "복제 우선" 이론의 "닭과 달걀" 문제에 의존하지 않는 "화학적 진화"에 대한 물리적 기초를 제공한다.
• 평형 모델과의 차이점: 이 논문은 SDA/GA 를 평형 기반 질량 작용 속도론 (MAK) 모델과 대비시킨다. 평형 모델은 일정한 속도를 가정하여 정적 정상 상태로 이어지는 반면, SDA/GA 는 차등적 지속성이 자기 일관적인 비선형 피드백 루프를 생성하여 평형을 방지하고 지속적인 방향성 변화를 주도하는 영역에서 작동한다.
• 겸손한 범위: 저자들은 현재 형식이 휴리스틱 안정성 함수와 추상화된 연산자에 의존하며 상세한 용매 및 동역학적 효과를 생략했다고 인정한다. 목표는 개념적이며, 안정성 주도 지속성이 진화 역학을 생성할 수 있다는 원리를 입증하는 것이지, 생체 전 화학의 완전한 모델이나 약물 발견 도구를 제공하는 것이 아니다.

결론적으로, 이 논문은 정보 이론, 열역학, 진화 생물학의 개념을 통합하여, 질서와 정보가 개방 시스템에서 지속성 편향 인구 역학의 출현적 결과임을 제안한다.