두 집단 랜덤 기하 객체의 위상 차이 탐지: 열대 기하학 기반 영구 바코드 검정

본 논문은 무작위 기하 객체(random geometric objects)의 두 독립 집단 간 위상적 차이를 통계적으로 검정하는 새로운 프레임워크를 제시한다. 연구는 크게 네 단계로 전개된다. 첫 번째 단계에서는 각 기하 객체를 영구 동형학(persistent homology) 기법을 이용해 영구 바코드(barcode)로 변환한다. 바코드는 각 차원(k)의 호몰로지 특징이 필터링 파라미터(예: 거리 임계값)와 함께 나타나는 ‘출생(birth)’과 ‘소멸(death)’ 시점을 구간 형태로 기록한 다중집합이다. 저자들은 바코드의 표준 표현을 (birth, persistence) 쌍으로 바꾸어, 각 구간을 (b_i, ℓ_i) 형태로 재표현한다. 두 번째 단계에서는 바코드 자체가 갖는 복합적인 기하구조(다중집합, 순서 무관성) 때문에 직접적인 통계 분석이 어려운 점을 해결하고자, 열대 기하학(tropical geometry)에서 정의된 대칭적 열대 함수들을 이용해 바코드를 유클리드 공간의 순서 볼록 원뿔 C_d에 임베딩한다. 구체적으로, 모든 바코드 구간을 길이 순으로 정렬하고, 정렬된 (b_i, ℓ_i)들을 차례대로 나열해 (x₁,…,x_d) 형태의 벡터를 만든다. 여기서 d는 두 집단 중 최대 구간 수에 해당한다. 이 임베딩은 바코드의 모든 정보를 보존하면서도, 원뿔 C_d = {x∈ℝ^d | x₁ ≤ x₂ ≤ … ≤ x_d} 라는 선형 구조를 제공한다. 세 번째 단계에서는 이 임베딩이 충분통계량(sufficient statistic)임을 정리 3.1을 통해 증명한다. 즉, 임베딩된 벡터만을 관찰해도 원래 바코드의 확률분포를 완전히 복원할 수 있다. 이 사실은 두 표본 검정 문제를 바코드 공간에서 C_d 공간으로 정확히 동등하게 변환한다는 의미이며, 따라서 기존의 바코드 거리(bottleneck, Wasserstein) 대신, 유클리드 거리 기반 통계량을 사용할 수 있게 된다. 네 번째 단계에서는 변환된 벡터에 대해 매니폴드 에너지 거리(manifold energy distance)를 정의하고, 이를 이용한 순열 검정(permutation test)을 설계한다. 에너지 거리는 두 표본 간의 평균 거리 차이를 측정하는 비파라메트릭 통계량으로, 고차원에서도 강력한 검정력을 가진다. 저자들은 이 검정이 귀무가설(두 분포 동일) 하에서 0에 수렴하고, 대립가설(분포 차이) 하에서는 양의 한계값으로 수렴함을 보이며, 따라서 일관성(consistency)을 갖는다고 증명한다. 논문은 또한 기존 문헌과의 차별점을 명확히 한다. 전통적인 형태 분석은 랜드마크 지정이나 위상동형 가정에 의존해 왔으며, 이는 데이터에 대한 사전 지식이 필요하고 편향을 초래한다. 반면 본 연구는 바코드 자체를 서명으로 사용함으로써 이러한 전제조건을 제거한다. 또한, 열대 임베딩을 단순히 차원 축소하는 것이 아니라, 충분통계량이라는 강력한 통계적 성질을 확보함으로써 검정의 정확성을 보장한다. 마지막으로, 저자들은 이론적 결과를 바탕으로 향후 연구 방향을 제시한다. 첫째, 실제 데이터(예: 생물학적 형태, 뇌 영상, 물리학 시뮬레이션)에서의 적용 사례를 통해 검정의 실효성을 검증할 필요가 있다. 둘째, 다중 차원(다중 동시성) 바코드와 그에 대응하는 고차원 원뿔 임베딩을 확장함으로써, 복합적인 위상 특성을 동시에 검정하는 방법을 개발할 수 있다. 셋째, 현재 검정은 교환가능성 가정 하에서 충분통계량을 정의했지만, 보다 일반적인 비교가능 분포에 대한 이론적 확장도 가능할 것으로 보인다. 요약하면, 이 논문은 영구 바코드와 열대 기하학을 결합해 무작위 기하 객체의 위상 차이를 검정하는 새로운 통계적 도구를 제공하며, 충분통계량과 에너지 거리 기반 순열 검정이라는 두 핵심 이론을 통해 검정의 일관성과 실용성을 동시에 확보한다.