기술 요약: 다중 스케일 경로 발산(MSPD)을 통한 인공 생명체의 개방형 진화 유도

1. 문제 정의

인공 생명(ALife) 분야의 목표는 개방형 진화(Open-Ended Evolution, OEE)—즉, 새로운 형태와 행동의 지속적인 생성—를 달성하는 것이다. 그러나 OEE를 추진하는 현재의 접근 방식들은 신경망에서 유도된 해석 불가능한 블랙박스 지표(예: novelty search, quality-diversity archives)에 크게 의존하고 있다. 이러한 지표들은 물리적 복잡성 이론과 근본적인 연결 고리가 부족하며, 이로 인해 생명체와 같은 시스템이 실제 생물학적 복잡성을 지배하는 기저 물리 법칙으로부터 단절되게 만든다.

**다중 스케일 구조적 복잡성(Multi-Scale Structural Complexity, MSSC)**은 재규격화 군(Renormalization Group, RG) 이론에 기반하여 정적인 공간 패턴에 대한 물리적 근거를 제공하지만, 이는 본질적으로 정적이다. 실제 생물학적 시스템은 동적이다. 본 논문이 다루는 핵심 과제는 다음을 충족하는 공식적이고 명시적이며 계산 가능한 스칼라를 정의하는 것이다:

1. 복잡성을 최적화하는 동시에 그 물리적 기초를 드러낼 것.
2. 공간적 다중 스케일 복잡성의 개념을 시간 영역으로 확장할 것.
3. 블랙박스 메커니즘을 피하고, 좌절(frustration)(경합하는 상호작용으로 인해 시스템이 단일 전역 평형 상태에 도달하지 못하는 현상)과 같은 물리 이론과의 투명한 연결을 제공할 것.

2. 방법론: 다중 스케일 경로 발산 (MSPD)

저자들은 재규격화 군에서 영감을 얻은 스칼라 지표인 다중 스케일 경로 발산(Multi-Scale Path Divergence, MSPD), $D_P$를 도입한다. MSPD는 국소 전이 법칙(local transition laws)의 이질성에 대한 시간적 다중 스케일 조직화를 정량화한다.

2.1 이론적 프레임워크

이 방법은 시스템의 상태가 사상 $x: \mathcal{I} \to E$ (국소 자유도에서 국소 상태로의 매핑)인 구성 모델을 기반으로 한다.

• 국소 전이 법칙: 현재의 구성 $x$에 대해, 시스템은 각 국소 자유도 $i$에 대한 전이 법칙 $T^i_{\Delta t}(x)$를 정의한다. 이는 전역 구성이 주어졌을 때 $i$에서의 상태 변화 확률 분포를 나타낸다.
• 상태 수준의 동적 이질성 ($\mathcal{H}_{\Delta t}$): 단일 상태 내에서 서로 다른 국소 성분 간의 전이 법칙 사이의 쌍별 유사성(pairwise dissimilarity)을 측정한다. 모든 국소 성분이 동일하게 행동하면 이질성은 0이 된다. 서로 다른 영역이 별개의 동적 규칙을 보이면 이질성이 증가한다.
• 경로 기반 MSPD: 정적 이질성과 달리, MSPD는 이러한 이질성 궤적이 다양한 시간 척도에 따라 어떻게 진화하는지를 측정한다. 이는 이질성 궤적을 하나의 함수로 취급하고, 시간적 조립(coarse-graining)에 대한 민감도를 계산한다.
  • 이 지표는 서로 다른 시간 해상도에서 표현되는 역학이 유의미하게 다를 때(스케일 의존적 조직화)를 포착하며, 이를 통해 정적 상태나 순수한 무작위 노이즈와 구분한다.

2.2 계산 추정치

시뮬레이션에서는 정확한 전이 법칙을 관찰할 수 없으므로, 저자들은 **윈도우 기반 유한 해상도 추정치(windowed finite-resolution estimator)**를 제안한다.

1. 궤적 추적: 시스템은 시간 경과에 따라 국소 캐리어(입자, 격자 사이트 또는 질량 프로브)를 추적한다.
2. 윈도우 기반 전이 법칙: 유한한 시간 윈도우 $I_k$와 시차(lag) $\tau$에 대해 국소 전이 법칙을 경험적으로 추정한다.
3. 쌍별 유사성 ($\Delta H$): 서로 다른 캐리어의 경험적 전이 법칙 간의 발산을 측정하기 위해 Wasserstein-1 거리(Sliced Wasserstein, $SW_1$로 근사됨)를 사용한다.
4. 집계: 이 추정치는 최종 MSPD 점수를 계산하기 위해 시간 척도 그리드 전체에 걸쳐 이러한 쌍별 유사성을 집계한다.
5. 일관성: 논문은 국소 정체성(local stationarity)과 충분한 샘플링 조건 하에서 경험적 추정치가 이론적 경로 함수(pathwise functional)로 수렴함을 증명하는 명제를 제공한다.

2.3 기질(Substrate) 적용

프로토콜은 "국소 캐리어"와 "전이 법칙"의 정의를 적응시켜 세 가지 서로 다른 기질에 적용된다:

• 생명체 유사 셀룰러 오토마타 (CA): 국소 캐리어는 격자 사이트이며, 전이 법칙은 범주형(이웃 상태의 전/후)이다.
• Flow-Lenia: 질량 보존형 연속 CA. 국소 캐리어는 수동적 질량 추적자이며, 전이 법칙은 유한 시간 변위의 경험적 법칙이다.
• Particle Life++: 신경망이 매개하는 입자 시스템. 국소 캐리어는 입자이며, 전이 법칙은 신경 상호작용 가중치로부터 유도된 입자 변위의 경험적 법칙이다.

3. 주요 기여

본 논문은 네 가지 주요 기여를 한다:

1. MSPD의 정의: 유한 해상도 추정치를 갖춘, 국소 전이 법칙을 통한 실현된 궤적의 함수로서 MSPD를 정의함으로써, 기존의 공간적 MSSC에 대한 시간적 확장을 도입하였다.
2. 이중 역할: MSPD가 **경사 하강법이 필요 없는 적합도 함수(gradient-free fitness function)**로서 진화적 최적화에 효과적으로 기능하는 동시에, 임의의 시뮬레이션에서 국소 전이 법칙을 드러내는 사후 분석 렌즈로 기능함을 입증하였다.
3. 신호와 노이즈의 분리: MSPD를 최적화한 파라미터가 매칭된 무작위 파라미터보다 더 높은 홀드아웃(held-out) 복잡성 점수를 생성함을 보여준다. 결정적으로, 높은 $\Delta H$ 상태(높은 이질성)는 외부 개입에 대한 높은 불안정성과 연결되며, 이는 지표가 노이즈가 아닌 기저 역학을 추적하고 있음을 나타낸다.
4. 좌절을 통한 물리적 근거 제시: 높은 MSPD가 더 강한 **스케일 의존적 좌절(scale-dependent frustration)**과 대응됨을 입증하였다. 최적화된 시스템은 제약되지 않은 롤아웃(unconstrained rollouts)에 비해 서로 다른 공간적 범위에서 표현되는 역학 간의 차이가 더 크게 나타난다. 이는 MSPD를 명시적으로 좌절을 위해 최적화하지 않았음에도 불구하고, MSPD를 생물학적 복잡성의 좌절 기준(Vanchurin et al., Wolf et al.)에 직접 연결시킨다.
5. 일반화 가능성: 프로토콜이 질적으로 다른 기질(이산 CA, 연속 질량장, 신경 입자 시스템) 간에 전이될 수 있음을 검증하였다.

4. 실험 결과

저자들은 다음과 같은 일련의 주장(N0, C1, C2, C5)을 통해 MSPD를 검증한다:

• N0 (합성 캘리브레이션): MSPD는 정적 노이즈, 균질한 운동, 그리고 시간적으로 조직된 복잡성을 정확히 구별한다.
  • 결과: 정적 입자와 응집된 이동 블롭(S0, S3)은 거의 0에 가까운 MSPD를 보인다. 시간적으로 확장된 전이나 분리된 이벤트를 가진 시스템(S6, S8)은 높은 MSP로를 보인다. 이는 MSPD가 단순한 움직임이나 시각적 참신함이 아니라 이질성의 시간적 조직화를 측정함을 확인해 준다.
• C1 (최적화 vs. 무작위 대조군):
  • Particle Life++: 최적화된 파라미터는 통계적으로 유의미하게 매칭된 무작위 대조군보다 높은 MSPD 점수를 생성했다.
  • Life-like CA: 전수 조사를 통해 무작위 규칙보다 높은 MSPD를 가진 규칙들을 식별했다.
  • Flow-Lenia: 최적화된 체크포인트는 9개 그룹 중 6개 그룹에서 양의 대비를 보였으나, 현재의 유한 예산 프로토콜 하에서 통계적 유의성에는 도달하지 못했다(롤아웃 노이즈 때문으로 추정).
• C2 (개입에 대한 불안정성):
  • 결결과: 현재 시간의 국소 전이 이질성($\Delta H$)이 높은 상태는 작은 섭동(CA의 비트 플립, Flow-Lenia의 가우시안 노이즈)을 가했을 때 미래의 발산이 더 크게 나타났다. 이는 높은 MSPD 상태가 동적으로 불안정하며 개입에 민감함을 확인시켜 준다.
• C5 (스케일 의존적 좌절):
  • 결과: 높은 MSPD 시스템은 무작위 대조군에 비해 제약된 롤아웃과 제약되지 않은 롤아웃 사이의 차이가 더 크게 나타났다. 이는 이 지표가 생물학적 복잡성의 특징인 "좌절"의 징후(비에르고드성 및 험난한 지형)를 포착하고 있음을 보여준다. 비록 최적화 목표는 순수하게 MSPD였음에도 불구하고 말이다.

5. 의의 및 주장

본 논문은 MSPD가 ALife 시스템의 엔지니어링과 복잡성의 물리학 사이의 원칙적인 가교를 제공한다고 주장한다.

• 블랙박스를 넘어: 신경망 기반의 드라이버와 달리, MSPD는 명시적인 공식이다. 이는 훈련이나 수동으로 조정된 기술(descriptor)을 필요로 하지 않는다.
• 물리적 해석 가능성: 높은 복잡성을 스케일 의존적 좌절과 연결함으로써, MSPD는 생명을 좌절된 물질(frustrated matter)로 보는 물리 이론(스핀 글라스 유추)과 궤를 같이한다. 이는 생물학적 복잡성이 시스템이 단일 평형에 도달하지 못하는 형태에서 발생한다는 것을 시사하며, MSPD는 이를 직접적으로 정량화한다.
• 통합 프레임워크: 이 프로토콜을 이산, 연속, 신경 기질 모두에 적용할 수 있다는 점은 국소 역학의 시간적 조직화를 바탕으로 개방형 진화를 측정하고 유도하는 보편적인 접근법을 시사한다.

저자들은 윈도우/시차 선택에 대한 민감도와 고해상도 궤적 추적의 계산 비용과 같은 한계를 인정하며 신중한 태도를 유지한다. 그들은 MSPD를 모든 프로세스에 대한 보편적인 복잡성의 정의가 아니라, 국소 전이 법칙이 유의미한 시스템에서의 동적 복잡성에 대한 특정한, 측정 가능한 측면으로 규정한다.