$p$-Adic Diffusion and Random Walks on $[0, 1]$

당신이 유리잔 속의 물속에서 잉크 한 방울이 어떻게 퍼져나가는지 이해하려고 노력하고 있다고 상상해 보십시오. 현실 세계에서 이것은 매끄럽고 연속적인 과정입니다. 잉크는 천천히 흘러가며 모든 구석구석으로 섞여 들어갑니다. 하지만 만약 우주가 매끄러운 물이 담긴 유리잔이 아니라, 당신이 오직 한 가지 가지에서 다른 가지로만 점프할 수 있는 거대하고 무한한 나무라면 어떨까요? 이것이 바로 **p-진수(p-adic numbers)**라는 기묘하고도 매혹적인 세계입니다. 우리가 자를 사용하여 거리를 측정할 때 사용하는 실수와 달리, p-진수는 특정 소수(예: 2, 3 또는 5)로 얼마나 많이 나누어지는지에 따라 "가까움"을 측정합니다. 이 세계에서 두 숫자는 그 소수로 나누어지는 긴 역사를 공유함으로써 가까워지며, 이는 평평한 선이라기보다 프랙탈 나무와 같은 풍경을 만들어냅니다.

오랫동안 수학자들은 매끄러운 실수 세계와 이 울퉁불퉁한 나무 모양의 p-진수 세계를 완전히 분리된 이웃으로 취급했습니다. 그들은 서로 다른 언어를 사용했고 서로 다른 규칙에 따라 살았습니다. 그러나 **모나 맵(Monna map)**이라는 영리한 도구는 이 두 세계 사이의 보편적인 번역기이자 마법 같은 다리 역할을 합니다. 이 도구는 p-진수의 들쭉날쭉한 나무 구조를 가져와서, 마치 두루마리를 펼치듯 익숙한 0에서 1 사이의 구간 위에 평평하게 펼쳐 놓습니다. 이 논문은 우리가 p-진수 나무에서의 "확산"(무언가가 퍼지거나 무작위 행보를 하는 것) 규칙을 이 다리를 통해 전달했을 때, 우리가 익숙한 평평한 직선 위에서 어떻게 행동하는지를 다룹니다. 이것이 왜 중요할까요? 왜냐하면 이 기묘한 나무 모양의 공간에서 사물이 어떻게 움직이는지를 이해하는 것은 물리학, 생물학, 심지어 네트워크에서 정보가 흐르는 방식과 같은 복잡한 시스템을 모델링하는 데 도움이 되며, 이 논문은 이러한 움직임을 훨씬 더 친숙한 방식으로 시각화하고 계산하는 방법을 보여주기 때문입니다.

---

이 논문의 핵심 아이디어: 번역할 수 없는 것을 번역하기

패트릭 에릭 브래들리(Patrick Erik Bradley)와 동료들이 작성한 이 논문은 매우 추상적이고 시각화하기 어려운 수학적 과정을 실제로 보고 계산할 수 있는 것으로 바꾸는 가이드북과 같습니다. 저자들은 실수의 선 위에서 0과 1 사이의 무작위 행보(술 취한 사람이 비틀거리는 것을 생각해보세요)와 확산(열이 퍼지는 것과 같은)을 연구하고자 하지만, 이를 p-진수 수학의 규칙을 사용하여 수행하고자 합니다.

여기에 그들이 사용하는 핵심적인 기술이 있습니다. 그들은 p-진 단위 원판(특정한 유형의 p-진수 공간)에서 일어나는 과정에서 시작합니다. 이 p-진수 세계에서는 점들 사이의 "거리"가 우리의 일반적인 세계와는 다르게 측정됩니다. 저자들은 모나 맵을 사용하여 이 전체 과정을 다리를 건너 실수의 구간 $[0, 1]$로 운송합니다.

그 결과는 실수 직선 위의 새로운 종류의 무작위 과정입니다. 만약 당신이 이 규칙에 따라 움직이는 입자를 관찰한다면, 그것은 물속의 잉크처럼 부드럽게 흘러가지 않을 것입니다. 대신, 그것은 한동안 가만히 있다가 갑자기 새로운 위치로 점프할 것입니다. 논문은 이러한 경로가 "우측 연속(right-continuous)"임을 증명합니다. 즉, 이상하게 무한히 꿈틀거리지 않고, 그냥 가만히 있다가 점프한다는 뜻입니다. 이는 우리가 p-진수 세계의 깔끔하고 구조화된 수학을 사용하여 실수 직선 위에서 "점프"하는 행동을 모델링할 수 있는 방법을 제공합니다.

다리의 마법: 스펙트럼과 고윳값

이 논문의 가장 흥미로운 발견 중 하나는 이러한 확산 연산자의 **스펙트럼(spectra)**에 관한 것입니다. 간단히 말해, "스펙트럼"은 시스템이 낼 수 있는 자연스러운 주파수나 "음표"의 집합과 같습니다. 저자들이 p-진수 확산을 실수 직선으로 번역할 때, 시스템의 "음표"(고윳값)를 매우 빠르게 계산할 수 있다는 것을 발견합니다.

그들은 코지레프(Kozyrev)라는 수학자가 발견한 특별한 공식을 사용합니다. p-진수 거리는 매우 구조화되어 있기 때문에(완벽한 나무와 같기 때문에), 이러한 주파수를 찾는 수학적 과정은 믿을 수 없을 정도로 효율적입니다. 이 논문은 이러한 특정 유형의 연산자에 대해 고윳값을 **선형 복잡도(linear complexity)**로 계산할 수 있음을 보여줍니다. 이는 문제의 크기가 두 배가 되면, 작업량이 기하급수적으로 늘어나는 것이 아니라 단지 두 배만 늘어난다는 것을 의미합니다. 이는 이러한 과정을 시뮬레이션하려는 컴퓨터에게 엄청난 이점입니다.

이론에서 픽셀로: 알고리즘

저자들은 이론에만 머물지 않고, 이러한 과정을 시각화하기 위한 실질적인 알고리즘을 구축합니다. 그들은 구간 $[0, 1]$을 점점 더 작은 조각들로 나누어 p-진수 나무를 모방하는 계층 구조를 만듭니다. 그런 다음 "너비 방향 분해(breadthwise decomposition)"라고 불리는 방법을 사용하여 함수를 층별로 분해하는데, 이는 마치 양파 껍질을 벗기거나 나무의 줄기에서 잎까지 바라보는 것과 같습니다.

그들은 이를 두 가지 특정 사례로 테스트했습니다:

1. 가우시안 커널(Gaussian Kernel): 이것은 종 모양 곡선처럼 작동하며, "점프"가 (p-진수 의미에서) 가까운 점들로 일어날 확률은 높고, 먼 곳으로 일어날 확률은 낮습니다.
2. 거듭제곱 커널(Power Kernel): 이것은 역거듭제곱 법칙을 사용하여, 거리에 따라 "점프" 확률이 어떻게 감소하는지를 변화시킵니다.

시뮬레이션에서 그들은 확률의 부드러운 "언덕"(가우시안 범프)에서 시작하여 시간이 지남에 따라 그것이 어떻게 진화하는지 관찰했습니다. 시간이 흐름에 따라, 부드러운 언덕은 단순히 평평해지는 것이 아니라, 블록 형태의 계단 모양으로 부서졌습니다. 미세한 세부 형태들이 먼저 사라지고, 그 뒤에는 저해상도 디지털 이미지처럼 보이는 거칠고 계단 같은 구조가 남았습니다. 이는 p-진수 규칙이 미세하고 부드러운 흐름보다 대규모의 점프를 선호하기 때문에 발생합니다.

그들이 주장하지 않는 것

이 논문이 하지 않는 일을 명시하는 것이 중요합니다. 저자들은 새로운 물리 법칙을 발견했거나 현실 세계에서 열이 어떻게 이동하는지의 미스터리를 풀었다고 주장하는 것이 아닙니다. 그들은 현실 세계의 확산이 p-진수라고 말하는 것도 아닙니다. 대신, 그들은 p-진수 과정이 현실 세계로 운송되어 새로운 유형의 무작위 과정을 만들어내는 특정한 수학적 모델을 구축하고 있는 것입니다.

시각화 및 근사의 수렴성에 관한 결과는 특정 연산자의 맥락 내에서 시뮬레이션과 수학적 증명을 통해 입증되었습니다. 그들은 자신들의 방법이 이러한 특정 연산자에 대한 "코시 문제(Cauchy problem)"(시스템이 시작점에서 어떻게 변하는지를 설명하는 표준적인 방법)의 해를 근사하는 데 효과적임을 보여줍니다. 그들은 이 방법이 자연계의 모든 가능한 확산 과정에 적용된다고 주장하는 것이 아니라, 이 특정한 모나 맵 번역을 통해 구축될 수 있는 과정들에 대해서만 유효하다고 주장합니다.

요약

결국, 이 논문은 서로 연결되지 않은 것처럼 보이는 두 수학 세계가 어떻게 서로 대화할 수 있는지를 보여주는 아름다운 사례입니다. 모나 맵을 번역기로 사용함으로써, 저자들은 p-진수 확산의 엄격하고 나무 같은 구조를 가져와 실수 직선 위의 점프하는 경로들로 바꾸어 놓았습니다. 그들은 이러한 경로가 어떻게 행동하는지 계산하는 빠르고 효율적인 방법을 제공했으며, 이를 시각화하는 명확한 방법도 제시했습니다. 그 결과, 수학자와 과학자들이 복잡하고 점프가 빈번한 시스템을 모델링할 수 있는 새로운 도구를 얻게 되었으며, 때로는 현실 세계의 부드러운 흐름을 이해하기 위해 프랙탈 나무의 렌즈를 통해 바라봐야 한다는 것을 보여주었습니다.