Analytic Spread Complexity from Level Statistics: From Chaos to Integrability

우주를 결코 반복되지 않는 노래를 연주하는 거대하고 보이지 않는 오케스트라라고 상상해 보십시오. 양자 물리학의 세계에서 이 "노래"는 미세한 입자들의 행동이며, "음표"는 그들이 가질 수 있는 특정한 에너지 준위입니다. 수십 년 동안 과학자들은 이 오케스트라가 혼돈스러운 재즈풍의 즉흥 연주를 하고 있는지, 아니면 엄격하고 예측 가능한 고전적인 행진곡을 연주하고 있는지 구별하는 방법을 알아내기 위해 노력해 왔습니다. 이를 위해 그들은 "복잡도(complexity)"라는 특별한 도구를 사용합니다. 복잡도를 어려운 수학 문제가 아니라, 양자 시스템이 시간이 지남에 따라 얼마나 많이 "뒤섞이거나" 퍼져 나갔는지를 측정하는 척도라고 생각하십시오. 물 한 잔에 잉크 한 방울을 떨어뜨리면 잉크는 사방으로 퍼지게 되는데, 양자 역학에서도 정보는 이와 유사한 방식으로 퍼져 나가며, "확산 복잡도(spread complexity)"는 그 정보가 얼마나 멀리 이동했는지를 추적합니다.

오랫동안 과학자들은 이러한 혼돈스러운 시스템에서의 확산에 대해 기묘하고 흥-미로운 현상을 발견했습니다. 복잡도가 영원히 계속 성장하는 것이 아니라, 상승하다가 날카로운 정점(마치 산봉우리처럼)에 도달한 뒤 평탄한 고원 상태로 안착한다는 사실입니다. 마치 잉크가 퍼지다가 벽에 부딪힌 뒤 천천히 안정되는 것과 같습니다. 이 정점은 시스템이 혼돈 상태임을 보여주는 거대한 단서이지만, 아무도 정확히 왜 정점이 발생하는지, 혹은 음악의 어떤 부분이 그 정점을 만드는지 알지 못했습니다. 그것이 음표 사이의 거리 때문이었을까요? 아니면 리듬 때문이었을까요? 여러분이 읽게 될 이 논문은 이 문제를 깊이 파고들며, 시스템의 에너지 준위를 지도처럼, 그리고 복잡도를 그 지도를 가로질러 이동하며 저 산봉우리를 만드는 비밀 레시 recipe를 찾는 여행자로 취급합니다.

---

지도와 여행자

"Analytic Spread Complexity from Level Statistics"라는 제목의 이 논문은 탐정들이 양자 복잡도의 저 "산봉우리"에 얽힌 미스터리를 풀려는 탐정 소설과 같습니다. 저자인 팔랍 바수(Pallab Basu), 수만 다스(Suman Das), 빅보이 마들랄라(Bigboy Madlala)는 이 문제를 바라보는 새로운 방식을 제안합니다. 복잡도가 혼란스럽고 추상적인 공간에서 단계별로 성장하는 것을 관찰하는 대신, 그들은 시스템의 "에너지 지도"를 들여다보기로 했습니다.

그들은 "커널(kernel)"(복잡도가 어떻게 움직여야 하는지를 알려주는 규칙책이라는 멋진 표현)이 매우 특정한 형태를 띠고 있다는 것을 발견했습니다. 행과 열이 서로 다른 에너지 준위를 나타내는 거대한 스프레드시트를 상상해 보십시오. 저자들은 이 스프레드시트에서 가장 중요한 숫자들은 주 대각선(행 번호와 열 번호가 일치하는 곳) 주변에 밀집되어 있다는 것을 발견했습니다. 이 중심선에서 멀어질수록 숫자들은 마치 평지로 변하는 언덕처럼 매우 빠르게 급감합니다. 이는 복잡도가 수 마일 떨어진 에너지 준위 간의 관계에는 신경 쓰지 않고, 오직 이웃한 관계에만 정말로 관심을 가진다는 것을 의미합니다.

"보편적인" 지름길

여기서 이야기는 영리해집니다. 저자들은 커널이 이웃 관계에 집중되어 있기 때문에, 실제 혼돈스러운 시스템의 복잡한 커널을 훨씬 더 단순하고 "보편적인" 커널로 대체할 수 있다는 것을 깨달았습니다. 그들은 이를 완벽하게 간격이 맞춰진 사다리와 같은 균일한 격자에 비유했습니다. 그들은 이를 "근사적 커널-보편성 가설(approximate kernel-universality hypothesis)"이라고 부릅니다.

이렇게 생각해 보십시오. 만약 당신이 붐비는 방 안에서 사람들이 어떻게 움직이는지 알고 싶다면, 모든 사람의 독특한 개성을 추적할 필요는 없습니다. 방이 혼돈스러운 상태라면, 움직임은 종종 단순한 국소적 규칙, 즉 사람들이 바로 옆의 이웃과 부딪히는 규칙에 의해 지배됩니다. 저자들은 복잡도를 계산하는 목적을 위해서라면, 에너지 준위들을 마치 완벽한 사다리의 가로대(rung)인 것처럼 가정해도 된다고 제안합니다. 이 "사다리" 모델은 수학적으로 풀기가 쉽고, 놀랍게도 실제의 무질서한 혼돈 시스템의 행동을 놀라운 정확도로 예측합니다.

핵심 재료: 최근접 이웃

이 단순한 사다리 모델을 사용하여 저자들은 마스터 공식을 유도해 냈습니다. 이 공식은 복잡도의 정점의 높이와 모양이 전적으로 "최근접 이웃 간격 분포(nearest-neighbor spacing distribution)"에 의해 제어된다고 말합니다.

이 부분을 비유로 풀어보겠습니다. 에너지 준위들이 줄을 서 있는 사람들이라고 상상해 보십시오. "간격"은 사람들 사이의 거리입니다.

• 혼돈 시스템(가우시안 직교 앙상블(GOE)이나 가우시안 유니터리 앙상블(GUE) 같은 경우)에서, 사람들은 너무 가까이 서 있는 것을 싫어합니다. 그들은 서로 밀어내며 "척력(repulsion)"을 만들어냅니다. 이 척력은 특정한 거리 패턴을 만들어냅니다.
• 가적 시스템(포아송 분포와 같은 경우)에서, 사람들은 서로에게 관심이 없습니다. 그들은 창문에 맺힌 빗방울처럼 무작위로 서 있습니다.

논문은 복잡도의 "산봉우리"가 바로 이 이웃들 사이의 "밀어내는 힘(척력)"이 존재할 때만 나타난다는 것을 보여줍니다. 저자들은 이 정점이 근접 이웃 거리 분포의 푸리에 변환(패턴을 살펴보는 수학적 방법)이라고 밝혔습니다.

그들은 수학적 시뮬레이션을 통해 이를 테스트했습니다. 혼돈 시스템의 경우, 그들의 단순한 공식은 정점의 높이와 위치를 거의 완벽하게 예측했습니다. 예를 들어, GUE 앙상블의 경우, 그들은 특정 시간(그들의 "언폴디드(unfolded)" 시간 단위로 약 2.764)에 정점이 나타날 것이라고 예측했으며, 시뮬레이션 결과는 이와 매우 밀접하게 일치했습니다.

사라진 정점의 사례

그들의 아이디어를 보여주는 가장 극적인 증거는 "밀어내는 힘"이 제거되었을 때 일어나는 현상에서 옵니다. 저자들은 혼돈이 없는 시스템(가적 시스템)을 나타내는 포아송 통계를 살펴보았습니다. 이 시나리오에서 에너지 준위는 그저 무작위적이고 독립적인 숫자들일 뿐입니다.

이 무작위적인 경우에 그들의 공식을 적용했을 때, "산봉우리"는 완전히 사라졌습니다. 상승과 하락을 반복하는 대신, 복잡도는 고원에 도달할 때까지 느리고 매끄럽게 성장하기만 했습니다. 오버슈트(overshoot)도, 산도 없었습니다. 이는 그들의 이론을 확인시켜 줍니다. 정점은 무작위적인 사고가 아닙니다. 그것은 에너지 준위들 사이의 단거리 상관관계(즉, "밀어내는 힘")의 직접적인 지문입니다. 만약 준위들이 서로를 밀어내지 않는다면, 정점은 사라집니다.

얼마나 확신하는가?

저자들은 자신들의 발견에 대해 매우 확신하고 있지만, 자신들이 증명한 것과 시뮬레이션한 것을 신중하게 구분합니다.

• 구조: 그들은 커널이 "밴드형(banded)"(이웃에 집중됨)이며 "반원형(semicircular)" 모양을 띠고 있음을 수학적으로 증명했습니다.
• 가설: 복잡한 커널을 단순한 "균일 격자(uniform lattice)" 커널로 대체할 수 있다는 아이디어는 하나의 **근사(approximation)**입니다. 그들은 1,000개의 에너지 준위를 이용한 시뮬레이션으로 이를 수치적으로 테스트했으며, 결과는 정확한 계산과 믿기 힘들 정도로 잘 일치했습니다. 그 차이는 거의 보이지 않을 정도로 미미했습니다.
• 결론: 그들은 정점이 최근접 이웃 간격에 의해 제어된다고 제안합니다. 그들은 단순히 추측한 것이 아니라, 혼돈 및 비혼돈 시스템 모두에 적용되는 공식을 유도해 냈으며, 그 수학적 결과는 시뮬레이션에서도 성립했습니다.

이것이 왜 중요한가

이 논문은 이전에 분리되어 있던 두 세계, 즉 "역학(dynamics, 사물이 어떻게 움직이고 변하는가)"과 "통계(statistics, 에너지 준위의 패턴)"를 연결했다는 점에서 매우 중요합니다. 이전에는 과학자들이 혼돈이 정점을 만든다는 것은 알았지만, 왜 그러한지, 혹은 얼마나 높을지를 말할 수 있는 간단한 해석적(analytic) 방법은 없었습니다.

이제 그들에게는 "레시피"가 생겼습니다. 에너지 준위 사이의 거리 패턴(간격 분포)을 알고 있다면, 슈퍼컴퓨터 시뮬레이션을 돌리지 않고도 복잡도 정점을 계산할 수 있습니다. 이는 마치 바다를 직접 관찰하지 않고도 해변의 조약돌 간격만을 보고 파도의 모양을 예측하는 것과 같습니다.

저자들은 또한 이것이 블랙홀과 "홀로그래픽 원리"(우리 3차원 우주가 2차원 표면의 투영일 수도 있다는 아이디어)를 이해하는 데 도움이 될 수 있다고 지적합니다. 이러한 이론들에서 복잡도의 성장은 웜홀의 성장과 연결되어 있습니다. 만약 복잡도의 정점이 정말로 에너지 준위들이 서로 밀어내는 방식의 반영이라면, 이는 시공간의 기하학 자체가 양자 정보로부터 어떻게 구축되는지에 대한 미시적인 단서를 제공할 수 있습니다.

요컨대, 이 논문은 혼란스럽고 울퉁불퉁한 데이터의 산을 가져와서, 그것이 사실은 에너지 준위들이 서로의 거리를 유지하는 단순하고 국소적인 규칙들로부터 만들어진 매끄럽고 예측 가능한 언덕임을 보여줍니다. "혼돈"은 미스터리가 아닙니다. 그것은 단지 이웃들이 서로를 정중하게 밀어내는 소리일 뿐입니다.