생물학적 진화를 위한 일반공변 기하학적 프레임워크

본 논문은 진화 역학을 일반공변적인 기하학·통계학 프레임워크 안에 통합하려는 시도이다. 서론에서는 기존의 집단유전학·정량유전학이 좌표 의존적인 한계를 가지고 있음을 지적하고, 최근 학습 이론과의 연결 고리를 제시한다. 2절에서는 유전체와 표현형을 각각 이산·연속 공간에 매핑하는 수학적 구조를 정의한다. 유전체는 알렐 집합 A 의 K 자리 문자열 \(s\) 로 표현하고, 각 알렐을 \(d\) 차원 임베딩 \(\hat q\) 를 통해 연속 좌표 \(q\) 로 변환한다. 표현형은 \(N\) 차원 연속 함수 \(x(q)\) 로 정의되며, 이는 이산 유전체에 대한 실제 표현형 \(\hat x(s)\) 와 일치하도록 보장한다. 3절에서는 표현형 공간에 메트릭 \(G_{ij}(x)\) 를 부여하고, 이를 유전체 공간으로 풀백(pull‑back)하여 유전체 메트릭 \(g_{\alpha r,\beta s}(q)\) 를 도출한다. 이 메트릭은 표현형 거리 \(ds^2=G_{ij}dx^i dx^j\) 를 유전체 좌표에 대한 이차 형식으로 변환한다. 메트릭은 위치 의존적이며, 이는 동일한 유전체 변이가 배경에 따라 다른 표현형 효과를 가질 수 있음을 반영한다. 4절에서는 최대 엔트로피 원리를 적용한다. 평균 유전체 \(\bar q\) 와 평균 제곱거리 \(\sigma^2\) 를 제약으로 두고 라그랑주 승수를 도입하면, 로컬 좌표계에서 정규분포 형태의 최적 분포가 얻어진다. 이때 공분산 \(c_{\alpha r,\beta s}\) 는 단위 행렬에 비례하고, 좌표 변환을 통해 실제 공분산은 메트릭의 역행렬과 동일함을 보인다. 즉, \