[논문 리뷰] Cross-boundary Behavioural Reprogrammability of Cellular Automata from Emulation Networks.

Jürgen Riedel, Héctor Zenil|arXiv (Cornell University)|2015. 10. 06.

Cellular Automata and Applications참고 문헌 20인용 수 6

한 줄 요약

이 논문은 효율적인 에뮬레이션 네트워크를 통해 세포자기(세포자기)가 복잡도 경계를 넘어서 재프로그래밍될 수 있음을 보여주며, 월프람 1, 2, 3, 4 클래스의 ECA 규칙이 선형 오버헤드로 상호 에뮬레이션할 수 있음을 시사한다. 초기 조건이 규칙 구조보다 계산의 보편성의 근본 원인일 수 있음을 드러내며, 세포자기 복잡도의 위상적 분류를 제시하고, ECA 규칙의 조합을 통해 룰 110을 에뮬레이션함으로써 새로운 튜링-보편성 결과를 증명한다.

ABSTRACT

We explore the reprogramming capabilities of computer programs using cellular automata (CA). We show a series of boundary crossing results, including cases of Wolfram Class 1 Elementary Cellular Automata (ECA) emulating Class 2 ECA, Class 2 ECA emulating Class 3 ECA, and Class 3 ECA emulating Class 2 ECA, along with results of a similar type for general CA (neighbourhood $r=3/2$), including Class 1 CA emulating Class 3 CA, Classes 3 and 4 CAs emulating Class 4 CAs, and Class 4 emulating Class 3 CAs. The emulations occur with only a linear overhead and are therefore computationally efficient. By constructing emulation networks through an exhaustive search in the compiler space, we show that topological properties determining emulation direction, such as ingoing and outgoing hub degrees, suggest a topological classification of complexity based on computing capabilities. We provide a new Turing-universality result in ECA space based on a composition of ECA rules emulating ECA rule 110. The results suggest that complexity is, or can be, completely driven by initial conditions, and these are therefore in this sense more fundamental than the computer program code/rules. The approach yields a novel perspective on complexity, controllability, causality, and reprogrammability of even the simplest computer programs providing strong evidence of ubiquitous intrinsic and Turing-universality.

연구 동기 및 목표

• 세포자기(세포자기)가 효율적인 에뮬레이션을 통해 월프람 복잡도 클래스 간에 계산 행동을 재구성할 수 있는지 조사한다.
• 초기 조건이 규칙 구조보다 초전산 보편성의 지배 요소인가를 판단한다.
• 허브의 차수와 같은 에뮬레이션 네트워크 특성에 기반한 세포자기 복잡도의 위상적 분류를 개발한다.
• 간단한 ECA 규칙의 조합을 통해 초전산 보편성의 새로운 결과를 확립한다.

제안 방법

• 컴파일러 공간에서의 완전 검색을 통해 한 세포자기 규칙이 다른 규칙을 어떻게 시뮬레이션할 수 있는지 매핑하는 에뮬레이션 네트워크를 구축한다.
• 선형 시간 에뮬레이션을 사용하여 복잡도 경계를 넘는 계산 효율성을 확보한다.
• 특히 들어오는 및 나가는 허브 차수를 포함한 에뮬레이션 네트워크의 위상적 특징을 분석하여 세포자기 복잡도를 분류한다.
• 간단한 ECA 규칙의 시퀀스를 사용하여 ECA 룰 110을 에뮬레이션하기 위해 규칙 조합 기법을 적용한다.
• 초전산 세포자기(ECA)에서 일반 세포자기(r = 3/2)로의 결과 확장으로, 클래스 1에서 클래스 3, 클래스 4에서 클래스 3로의 에뮬레이션을 포함한다.
• 네트워크 위상 구조를 활용하여 세포자기 시스템의 인과성 및 재프로그래머빌리티 특성을 추론한다.

실험 결과

연구 질문

• RQ1 낮은 월프람 클래스의 세포자기 규칙가 선형 계산 오버헤드로 높은 복잡도 클래스를 에뮬레이션할 수 있는가?
• RQ2 초기 조건만으로도 규칙의 구조와 무관하게 세포자기의 계산 보편성을 결정할 수 있는가?
• RQ3 에뮬레이션 네트워크의 어떤 위상적 특징이 경계를 넘는 재프로그래밍의 방향성과 가능성을 예측하는가?
• RQ4 개별 규칙이 보편적이지 않더라도, 단순한 규칙의 조합을 통해 초전산 세포자기에서 튜링 보편성을 달성할 수 있는가?
• RQ5 클래스 4 세포자기의 계산 능력은 다른 클래스, 특히 클래스 3를 에뮬레이션하는 데 어떻게 영향을 미치는가?

주요 결과

• 월프람 클래스 1의 초전산 세포자기(ECA)는 선형 오버헤드로 클래스 2 ECA를 에뮬레이션할 수 있으며, 이는 계층 간 재프로그래머빌리티를 보여준다.
• 클래스 2 ECA 규칙는 클래스 3 ECA를 에뮬레이션할 수 있고, 반대로도 가능하므로, 중간 복잡도 계층 간 이중 방향 재프로그래머빌리티가 가능하다.
• 클래스 3 및 클래스 4 세포자기 규칙는 클래스 4 세포자기 규칙을 에뮬레이션할 수 있으며, 클래스 4 세포자기 규칙는 클래스 3를 에뮬레이션할 수 있어, 높은 복잡도가 낮거나 유사한 클래스의 에뮬레이션을 막지 않는다는 것을 보여준다.
• 에뮬레이션 네트워크는 허브 차수와 같은 위상적 특징을 보이며, 이는 에뮬레이션 방향과 관련이 있어 세포자기 복잡도의 위상적 분류를 가능하게 한다.
• ECA 규칙의 조합을 통해 룰 110을 에뮬레이션함으로써 새로운 튜링-보편성 결과를 달성하였다. 룰 110은 유일하게 보편성이 입증된 초전산 세포자기 규칙이다.
• 결과는 세포자기의 복잡도가 근본적으로 초기 조건에 의해 결정되며, 규칙 구조는 계산 능력에서 보조적 역할을 한다는 것을 시사한다.