SP와 BP의 관계: 언제 설문 전파가 신념 전파가 되는가

논문은 “Survey Propagation이 Belief Propagation의 특수 경우인가?”라는 질문을 두 부분으로 나누어 체계적으로 답한다. 첫 번째 부분에서는 SP와 가중 SP를 일반적인 제약 만족 문제(CSP)에서 어떻게 정의할 수 있는지를 명확히 한다. 기존 SP는 통계 물리학 용어와 ‘조커’ 기호를 사용해 설명되었지만, 이는 비이진 변수와 복잡한 제약 구조를 가진 CSP에 바로 적용하기 어렵다. 저자들은 변수 알파벳을 비어 있지 않은 모든 부분집합, 즉 “토큰”으로 확장하고, 메시지를 토큰에 대한 확률분포로 정의한다. 이 접근법을 “Probabilistic Token Passing(PTP)”이라 명명하고, 가중 토큰 전달(Weighted PTP)으로 가중 SP를 일반화한다. 토큰 확장은 변수의 가능한 할당 전체를 포괄하므로, 비이진 CSP에서도 동일한 프레임워크를 적용할 수 있다. 두 번째 부분에서는 BP와 SP 사이의 관계를 탐구하기 위해 Forney 그래프 기반의 “정규 실현 MRF(Normally Realized MRF)”를 제시한다. 각 변수와 제약은 좌·우 상태를 갖는 이중 상태로 모델링되며, 변수마다 가중 함수가 부여된다. k‑SAT의 경우, 이 가중 함수는 단일 파라미터 γ 로 축소되어 기존 연구와 일치한다. MRF 위에서 BP 업데이트 방정식을 유도한 뒤, BP 메시지를 PTP 메시지 형태로 변환하는 조건을 분석한다. 핵심은 “상태‑분리(state‑decoupling) 조건”이다. 이 조건은 BP 메시지가 좌·우 상태에 대해 독립적인 형태로 표현될 수 있음을 의미한다. 논문은 k‑SAT에서 첫 번째 BP 반복 이후 이 조건이 자동으로 유지되며, 따라서 BP는 가중 PTP(가중 SP)로 정확히 환원된다는 것을 증명한다. 그러나 3‑COL(그래프 3‑색칠) 문제를 사례로 들면서, 동일한 상태‑분리 조건을 만족시키기 위해서는 매 반복마다 BP 메시지를 인위적으로 조정해야 함을 보여준다. 이는 실제 알고리즘 실행에서는 비현실적이며, 따라서 BP는 3‑COL에 대해 PTP와 동등하지 않다. 일반 CSP에 대해서는 추가적인 “지역 호환성(local compatibility) 조건”이 필요하다고 제시한다. 이 조건은 모든 제약이 서로의 토큰 집합과 일관된 교집합을 가져야 함을 의미한다. 상태‑분리와 지역 호환성 두 조건이 동시에 만족될 때에만 BP는 가중 PTP(가중 SP)로 환원될 수 있다. 결과적으로, 논문은 다음과 같은 결론을 제시한다. (1) SP와 가중 SP는 토큰 전달이라는 확률적 프레임워크로 일반 CSP에 정의될 수 있다. (2) BP는 특정 구조와 제약을 가진 CSP, 특히 랜덤 k‑SAT과 같은 경우에만 SP와 동등하게 동작한다. (3) 일반적인 CSP, 예를 들어 3‑COL과 같은 문제에서는 BP와 SP가 별개의 알고리즘이며, SP를 BP의 특수 경우로 보는 것은 부적절하다. 이 연구는 SP와 BP 사이의 관계를 명확히 구분함으로써, 두 알고리즘을 각각의 적용 범위와 한계에 맞게 활용할 수 있는 이론적 기반을 제공한다.