[논문 리뷰] Causal sets from simple models of computation

Tommaso Bolognesi|arXiv (Cornell University)|2010. 04. 19.

Computability, Logic, AI Algorithms인용 수 3

한 줄 요약

이 논문은 계산 우주 프레임워크에서 인과 집합을 기본 물리적 구조로 제안하며, 셀룰러 오토마타와 문자열 치환 시스템과 같은 단순하고 결정론적인 계산 모델로부터 이를 유도한다. 선형 및 평면 모델에서 계산 사건 간의 인과성 관계를 규명함으로써, 확률적 성장 없이도 시공간 유사 특성인 차원성, 곡률, 가짜 랜덤성 등이 나타남을 보여주며, 양자 중력에 대한 결정론적 기반을 제공한다.

ABSTRACT

Causality among events is widely recognized as a most fundamental structure of spacetime, and causal sets have been proposed as discrete models of the latter in the context of quantum gravity theories, notably in the Causal Set Programme. In the rather different context of what might be called the 'Computational Universe Programme' -- one which associates the complexity of physical phenomena to the emergent features of models such as cellular automata -- a choice problem arises with respect to the variety of formal systems that, in virtue of their computational universality (Turing-completeness), qualify as equally good candidates for a computational, unified theory of physics. This paper proposes Causal Sets as the only objects of physical significance and relevance to be considered under the 'computational universe' perspective, and as the appropriate abstraction for shielding the unessential details of the many different computationally universal candidate models. At the same time, we propose a fully deterministic, radical alternative to the probabilistic techniques currently considered in the Causal Set Programme for growing discrete spacetimes. We investigate a number of computation models by grouping them into two broad classes, based on the support on which they operate; in one case this is linear, like a tape or a string of symbols; in the other, it is a two-dimensional grid or a planar graph. For each model we identify the causality relation among computation events, implement it, and conduct a possibly exhaustive exploration of the associated causal set space, while examining quantitative and qualitative features such as dimensionality, curvature, planarity, emergence of pseudo-randomness, causal set substructures and particles.

연구 동기 및 목표

• 계산 우주의 개념적 프레임워크에서 유일하게 물리적으로 의미 있는 구조로 인과 집합을 식별하기 위해.
• 계산적으로 유니버설한 모델들 중에서 선택의 모호함을 제거하기 위해 인과 집합으로의 추상화를 시도하기 위해.
• 양자 중력에서의 확률적 인과 집합 성장에 대한 결정론적 대안을 제안하기 위해.
• 간단한 계산 시스템에서 인과 집합이 어떻게 유도되고, 시공간 유사 성질을 어떻게 나타내는지 탐구하기 위해.

제안 방법

• 선형 지지체(예: 테이프, 문자열)와 평면 지지체(예: 격자, 그래프)에서 작동하는 계산 모델 분석하기.
• 작업의 의존성과 순서에 기반해 계산 사건 간의 인과성 정의하기.
• 셀룰러 오토마타와 문자열 치환 시스템에서 결정론적 치환 규칙을 통해 인과 집합 생성하기.
• 유도된 인과 집합 공간의 철저한 탐색을 통해 구조적 특성 분석하기.
• 인과 집합 내에서 차원성, 곡률, 평면성, 가짜 랜덤성의 유도 정도 측정하기.
• 입자 유사 하위구조와 인과 집합 대칭성 식별하기.

실험 결과

연구 질문

• RQ1 확률적 가정 없이도 단순하고 결정론적인 계산 모델에서 인과 집합이 자연스럽게 유도될 수 있는가?
• RQ2 계산에서 파생된 인과 집합에서 차원성과 곡률과 같은 구조적 특성이 어떻게 나타나는가?
• RQ3 선형 계산 모델과 평면 계산 모델에서 유도된 인과 집합은 기하학적 및 위상 기하학적 성질에서 어떻게 다를까?
• RQ4 결정론적 인과 집합 모델에서 가짜 랜덤성과 입자 유사 하위구조가 나타날 수 있는가?
• RQ5 계산 모델에서 파생된 인과 집합이 고전적 시공간과 어느 정도 유사한가?

주요 결과

• 결정론적 계산 모델에서 유도된 인과 집합은 특정 조건에서는 4차원 시공간과 일치하는 측정 가능한 차원성을 나타낸다.
• 인과 집합 내에는 곡률 유사 특성이 나타나며, 일반 상대성 이론과 유사한 기하학적 구조를 암시한다.
• 복잡한 인과적 의존성 탓에 결정론적 규칙에서도 인과 집합 내에서 자연스럽게 가짜 랜덤성이 발생한다.
• 평면 계산 모델은 선형 모델에 비해 더 높은 평면성과 더 풍부한 하위구조를 가진 인과 집합을 생성한다.
• 지역화된 인과 집합 구성으로서 입자 유사 하위구조가 관측되며, 이는 기본 입자를 모델링할 가능성을 시사한다.
• 결정론적 모델에서 유도된 인과 집합 공간은 강건성과 재현 가능성을 보이며, 물리적 관련성을 뒷받침한다.