슈퍼포지드 랜덤 코딩의 확률분포와 최적 설계

본 논문은 화학 구조 데이터베이스에서 서브그래프 검색을 가속화하기 위해 사용되는 ‘슈퍼포지드 코딩’(superimposed coding)의 확률적 특성을 체계적으로 분석한다. 서브그래프 매칭 전 단계에서 각 화합물에 대해 다수의 간단한 디스크립터(예: 작은 서브그래프, 그래프 지름 등)를 0‑1 비트열로 기록하고, 질의 시에도 동일한 디스크립터를 평가해 얻은 비트열과 비교한다. 이때 디스크립터 비트가 1인 위치에 대응하는 코드워드 ψ_j 를 OR 연산으로 합친 것이 최종 목표 비트열 ψ(β)이며, 이 연산은 원본 비트열 β의 부분 순서를 보존한다(식 1‑2). 논문은 먼저 확률분포의 등방성(isotropic) 개념을 도입한다. 등방성 분포는 비트 위치에 무관하게 1‑비트 개수만을 변수로 하는 p_k 로 정의되며, 이들의 생성함수 f(t)=∑_{k=0}^n C(n,k)p_k t^k 를 통해 모든 통계량을 다룰 수 있다. F_a와 G_a는 각각 목표 비트열이 특정 비트열 α보다 작거나(≤) 큰(≥) 확률을 나타내며, 이들은 f(t)와 (1+t)^n, t^n 등의 변환을 통해 서로 연결된다(식 11‑13). 핵심 정리(Theorem 1)는 “소스 비트열의 생성함수 Π(t)와 코드워드의 분포 F_a가 주어지면, 목표 비트열의 분포는 \hat F_m = Π(F_m) 로 표현된다”는 것이다. 이는 소스 비트열이 목표 비트열에 미치는 영향을 선형 변환으로, 코드워드 분포가 비선형 변환을 담당한다는 의미다. 이를 이용해 평균 \hat μ_1과 분산 \hat μ_2−\hat μ_1^2 를 식 40‑42 로 명시적으로 구한다. 다음으로 두 가지 전형적인 코드워드 모델을 상세히 분석한다. 1) **이항분포 코드워드**: 각 코드워드의 1‑비트가 독립적으로 발생하며, 파라미터 q 로 정의된다(p_k = (1−q)^k q^{n−k}). 이 경우 목표 비트열도 이항분포(p′=q^r) 를 따르고, 평균·분산은 nq^r와 nq^r(1−q^r) 로 간단히 표현된다(식 26‑29). 2) **고정 가중치 코드워드**: 모든 코드워드가 정확히 w 개의 1‑비트를 갖는다. 이 경우 목표 비트열의 평균은 w이며, 분산이 0에 가깝게 감소한다(식 34‑37). 고정 가중치 코드는 목표 비트열의 분산을 최소화하는 최적 설계가 가능함을 보이며, 식 45‑46 에서 비율 q 와 w 를 적절히 선택하면 이항 경우보다 훨씬 작은 분산을 얻을 수 있다. 그 다음 비균등하지만 독립적인 소스 비트(p_i) 를 고려한다. 각 비트가 켜질 확률 p_i 가 서로 다를 때, 목표 비트열의 분포는 식 47 로 표현된다. 목표는 \hat F_{n−1}=1/2 (즉 평균 1‑비트 비율을 50% 로 맞추는 것)와 \hat F_{n−2} 를 최소화하는 것이다. 이를 위해 u_j = p_j F_j^{n−1}+1−p_j 라는 변수 도입 후, 라그랑주 승수 λ 를 이용해 최적화 문제를 설정한다(식 49‑55). 최적 해는 각 u_j 가 λ 에 의해 조정된 형태이며, 제한식 51‑53 을 만족하도록 조정한다. 이 과정은 ‘false drop’ 비율을 최소화하는 실용적 코딩 설계로 직접 연결된다. 마지막으로 논문은 전체적인 결론을 제시한다. 생성함수와 조합론적 변환을 이용해 슈퍼포지드 랜덤 코딩의 확률특성을 완전하게 기술하고, 평균·분산 최소화를 목표로 하는 코드워드 설계 원칙을 제시함으로써 대규모 화학 구조 검색 시스템에서 저장 공간과 검색 시간을 크게 절감할 수 있음을 입증한다. 특히 고정 가중치 코드워드가 비균등 소스 비트에 대해서도 최적의 성능을 보이며, 실제 데이터베이스에 적용 가능한 구체적인 파라미터 선택 방법을 제공한다.