창발

계산물리 물리 마지막 수정: 2026-08-04 04:32:27

1. 개요[편집]

창발 Emergence
표어	More Is Different (Anderson, 1972)
약한 창발	미시 규칙에서 따라 나오지만 시뮬레이션 없이는 못 얻는 것
강한 창발	원리적으로도 미시에서 연역 불가 — 물리학에서는 사실상 안 쓰임
왜 미시가 지워지나	재규격화군의 무관련 연산자
정량화 시도	유효 정보, 인과 창발, 시간규모 분리
실무적 골칫거리	국소 오차 노름으로 검증이 안 됨

물 분자 하나에는 “젖음”이 없다. 그런데 $10^{23}$ 개를 모으면 있다. 이 문장이 자명하게 느껴진다면, 어느 개수부터 생기는지 대답해 보면 된다.

창발(emergence)은 구성 요소 각각의 규칙에는 들어 있지 않은 성질·구조·질서가 요소들의 상호작용에서 거시적으로 나타나는 현상을 가리킨다. 관건은 “신비롭다”가 아니라 기술의 층위가 갈라진다는 데 있다. 미시 규칙을 다 알아도 거시 기술은 별도의 변수·별도의 방정식으로 새로 세워야 하고, 그 거시 기술이 미시 세부의 대부분에 둔감하다는 것이 창발이 실제로 하는 일이다. 이 입장을 한 문장으로 요약한 것이 앤더슨의 “More Is Different”(1972)다.¹

이 문서는 창발의 계산적 측면만 다룬다. 구체적 사례의 동역학은 자기조직화·셀룰러 오토마타·상전이·멱법칙에 각각 정리돼 있으니 그쪽을 보고, 여기서는 창발을 어떻게 정의하고, 왜 미시가 지워지며, 그것이 시뮬레이션 검증에 무슨 짓을 하는가에 집중한다.

2. 약한 창발과 강한 창발[편집]

철학 쪽 구분이지만 계산하는 사람에게 실질적인 의미가 있어서 짚고 간다.

강한 창발(strong emergence)은 거시적 사실이 미시 규칙과 초기 조건으로부터 원리적으로도 연역되지 않는다는 주장이다. 라플라스의 악마가 미시 상태를 전부 알아도 거시 성질을 못 알아낸다는 뜻이라, 받아들이면 새로운 근본 법칙이 필요하다. 찰머스는 2006년 글에서 물리 세계에서 그럴듯한 강한 창발의 후보는 의식뿐이라고 정리했고, 물리학·전산과학 실무에서는 사실상 쓰이지 않는 개념이다. 유체가 나비에-스토크스를 따르는 것은 분자 동역학에 없던 법칙이 새로 생겨서가 아니다.

약한 창발(weak emergence)이 실무에서 쓰는 쪽이다. 베도는 1997년에 이걸 계산의 언어로 정의했다. 거시 상태가 미시 동역학에서 따라 나오기는 하지만, 그것을 얻는 유일한 길이 미시 동역학을 실제로 돌려 보는 것뿐일 때 약한 창발이라고 부른다. 지름길이 되는 닫힌 형태의 유도가 없다는 뜻이며, 이는 튜링 기계 문서에서 말한 계산 비환원성과 사실상 같은 진술이다. 즉 약한 창발은 형이상학적 주장이 아니라 계산 복잡도에 관한 주장이고, 그래서 시뮬레이션이 이 동네의 표준 도구가 된다. 창발을 다루려면 돌리는 수밖에 없다는 것이 정의에 이미 들어 있다.²

주의할 점 하나. “예측 못 하니까 창발”이라는 헐거운 용법은 위험하다. 카오스 이론의 초기조건 민감도는 예측을 어렵게 하지만 그 자체로 창발이 아니고(이중진자는 거시 질서를 만들지 않는다), 반대로 결정론적이고 예측 가능한데도 창발적인 계가 있다. 창발의 핵심은 예측 불가능성이 아니라 새로운 층위의 기술이 성립한다는 것이다.

3. 미시 규칙에서 거시 질서가 나오는 계산 사례[편집]

계산으로 창발을 보여주는 표준 사례들은 공통된 골격을 갖는다. 국소 규칙 + 다수 + 되먹임이다.

격자 위의 유체. 격자 기체 오토마타는 격자 위에서 입자가 정해진 방향으로 움직이고 충돌하는 정수 규칙일 뿐인데, 조대화하면 나비에-스토크스 방정식이 나온다. 다만 이 사례는 미시 세부가 항상 지워지지는 않는다는 반례이기도 하다. 정사각 격자(HPP)로는 응력 텐서가 등방성을 갖지 못해 진짜 유체가 안 나오고, 육각 격자(FHP)라야 4계 텐서의 등방성이 확보된다. 격자 볼츠만 방법에서 갈릴레이 불변성이 저마하 근사 수준에서만 회복되는 것도 같은 종류의 누수다. 창발은 공짜가 아니라 대칭성이라는 대가를 요구한다.
군집. 세 줄짜리 국소 규칙(분리·정렬·응집)만으로 새 떼가 나온다는 1987년 보이즈 모형은 군중 시뮬레이션과 게임 AI의 출발점이 됐다. 여기서 흥미로운 건 개체가 “무리”라는 개념을 전혀 갖고 있지 않다는 점이다.
임계점의 보편성. 이징 모형의 임계지수는 스핀 상호작용의 세부와 무관하게 차원과 대칭성만으로 결정된다. 완전히 다른 물질이 같은 지수를 갖는다는 보편성이야말로 창발의 가장 정량적인 증거다.
자기조직화 임계성. 외부에서 파라미터를 맞춰주지 않아도 계가 스스로 임계 상태로 기어간다는 그림. 세부는 자기조직화에 있다.

4. 재규격화군이 주는 답 — 왜 미시 세부가 지워지나[편집]

“창발이 신비하지 않다”는 것을 정말로 설명한 것은 철학이 아니라 재규격화군이다. 논리는 이렇다. 짧은 파장의 자유도를 적분해 없애고 길이를 다시 스케일하는 변환을 반복하면, 결합상수의 공간에 흐름이 생긴다.

\frac{d g_i}{d \ell} = \beta_i(g), \qquad g_i(\ell) \sim g_i^{*} + c_i\, e^{\lambda_i \ell}

고정점 근처에서 $\lambda_i > 0$ 인 방향은 관련(relevant), $\lambda_i < 0$ 인 방향은 무관련(irrelevant)이다. 조대화를 반복하면 무관련 방향의 결합상수는 지수적으로 0으로 끌려간다. 즉 미시 세부의 대부분이 거시 관측량에서 문자 그대로 사라진다. 남는 것은 관련 연산자 몇 개뿐이고, 그 개수가 보통 손가락으로 셀 만큼 적기 때문에 거시 이론이 미시 이론보다 훨씬 단순해진다.

이 그림은 두 가지를 동시에 설명한다. 하나는 왜 거시 층위가 독립적으로 성립하는가(무관련 항이 지워지므로), 다른 하나는 어떤 세부가 지워지지 않는가(관련 연산자 — 차원, 대칭성, 보존량, 상호작용의 거리)다. 후자가 실무에서 더 중요하다. 위의 격자 기체 사례에서 격자 대칭성이 지워지지 않은 이유가 바로 그것이 관련 성질이기 때문이다. 시뮬레이션 모형을 단순화할 때 “무엇을 버려도 되는가”의 원칙적 기준을 주는 것이 RG이며, 같은 논리가 대와류 모사의 부격자 모형과 축소차수모델에도 그대로 흐른다.

5. 창발을 재려는 시도들[편집]

정성적 이야기를 숫자로 바꾸려는 시도가 여럿 있었다. 전부 부분적 성공이고, 한계도 분명하다.

유효 정보와 인과 창발. 회엘·알반타키스·토노니(2013)는 계에 최대 엔트로피 개입을 가했을 때 원인-결과 구조가 얼마나 결정적이고 특이한지를 재는 유효 정보(effective information, EI)를 정의하고, 어떤 계에서는 조대화한 거시 모형의 EI가 미시 모형보다 크다는 것을 보였다. 거시가 미시보다 “인과적으로 더 좋다”는 정량적 진술이라 파장이 컸다. 한계도 곧바로 지적됐다. EI 값이 개입 분포의 선택(왜 하필 최대 엔트로피인가)에 의존하고, 조대화 사상을 사람이 손으로 넣어줘야 하며, 이 우위가 미시 기술의 정보 손실을 재는 것인지 거시의 실재성을 재는 것인지 해석이 갈린다.
정보 분해 기반 지표. 부분 정보 분해로 “부분들 각각에는 없고 전체에만 있는 시너지 정보”를 분리해 창발의 판정 기준을 세우려는 흐름도 있다. 조대화 사상을 미리 정하지 않아도 된다는 장점이 있지만, 계산 비용이 자유도 수에 대해 가혹하게 커진다.
시간규모 분리. 가장 오래되고 가장 잘 작동하는 실용적 기준이다. 빠른 자유도가 느린 자유도에 비해 훨씬 빨리 완화되면, 빠른 쪽을 정상상태로 놓고 소거해 느린 변수만의 닫힌 방정식을 얻을 수 있다. 화학반응의 준정상상태 근사, 본-오펜하이머 근사, 강성 방정식의 느린 다양체가 전부 같은 구조다. 분리가 깨끗할수록 거시 층위가 잘 정의되고, 규모가 겹치면 창발적 기술 자체가 성립하지 않는다. 난류가 어려운 이유가 정확히 이것 — 스케일이 연속적으로 이어져 분리할 자리가 없다.

정리하면, 창발의 보편적 척도는 아직 없다. 있는 것은 특정 조대화 사상을 전제한 상대적 지표들이고, 조대화 사상을 고르는 문제 자체가 본질적으로 열려 있다.

6. 창발이 검증을 어렵게 만드는 이유[편집]

여기가 이 문서의 실무 파트다. 검증 및 확인의 표준 절차는 창발적 거동 앞에서 부분적으로 무력해진다.

국소 오차 노름이 무의미해진다. 코드 검증의 표준은 격자를 정련하며 $\|u_h - u_{\text{ref}}\|$ 이 $O(h^p)$ 로 줄어드는지 보는 것이다. 그런데 창발 구조가 나오는 계는 대개 궤적 수준에서 초기조건·반올림에 민감해서, 격자를 정련해도 점별 오차가 안 줄어든다. 격자 수렴 지수를 그대로 들이대면 “수렴하지 않음”이라는 결론이 나오는데, 정작 거시 통계는 멀쩡히 수렴하고 있을 수 있다. 그래서 검증 대상을 궤적에서 불변 측도·시간평균·상관함수·스펙트럼으로 옮겨야 하고, 이때 오차 막대는 유효표본크기를 고려한 통계적 양이 된다.
정성적 구조는 이산적으로 나타난다. 소용돌이가 생기느냐 안 생기느냐, 패턴이 줄무늬냐 점무늬냐 같은 결과는 파라미터에 대해 매끄럽지 않다. 분기 이론이 말하듯 임계값을 넘는 순간 구조가 바뀌므로, 수치 오차가 계를 분기 반대편으로 밀어 넣으면 오차가 작아도 결과가 질적으로 틀린다. 오차 노름 하나로는 이 사고를 절대 못 잡는다.
버그와 창발이 구분되지 않는다. 예상 못 한 거시 구조가 나왔을 때, 그것이 진짜 물리인지 이산화가 만든 인공물인지 판정할 일반적 방법이 없다. 수치 소산이 만든 가짜 안정 구조, 격자 대칭성이 새어 나온 가짜 이방성, 난수열의 주기가 만든 가짜 상관은 전부 “창발처럼 보이는” 형태로 나타난다. 유일하게 믿을 만한 방어는 독립적인 변주다 — 격자 종류·적분기·난수 씨앗·이산화 차수를 바꿔도 살아남는 구조만 물리로 인정한다. 수치 소산과 분산과 난수 생성기 쪽 함정을 같이 봐야 한다.
에이전트 기반 모형의 고질병. 개체 규칙에서 집단 현상을 만드는 모형은 자유 파라미터가 많고 관측 데이터는 집단 수준에만 있다. 서로 다른 미시 규칙이 같은 거시 통계를 재현하는 일이 흔해서(위에서 본 보편성의 어두운 면이다) 거시 데이터를 맞췄다는 사실이 미시 규칙의 타당성을 거의 보증하지 못한다. 이건 역문제의 비유일성 문제와 같은 구조이고, 진지하게 다루려면 불확실성 정량화와 모형 선택을 붙여야 한다.³

요약하면 창발적인 계의 검증은 “정답과 얼마나 가까운가”에서 “어떤 구조가 어떤 조작에 대해 불변인가”로 질문을 바꾸는 작업이다. 답이 아니라 질문을 갈아야 한다는 게 이 동네의 가장 비싼 교훈이다.⁴

7. 관련 문서[편집]

앤더슨의 1972년 Science 논문 “More Is Different”가 이 분야의 표어를 만들었다. 요지는 “환원주의가 참이라는 것과 구성주의(미시에서 거시를 재구성하는 것)가 가능하다는 것은 전혀 다른 명제”라는 것. 입자물리 우월주의에 대한 응축물질물리 진영의 반격문이기도 해서, 읽어 보면 문장이 은근히 맵다. ↩
“창발”이라는 단어는 학계에서 마케팅 용어로 소비되기도 한다. 논문에서 이 단어를 보면 “이 저자는 미시에서 거시를 유도하지 못했다”는 뜻인 경우가 꽤 있다. 물론 유도 못 하는 게 죄는 아니고, 그게 베도가 말한 약한 창발의 정의이기도 하다. ↩
이 문제를 냉정하게 표현하면 “예쁜 집단 패턴을 재현했다”는 결과의 정보량이 생각보다 훨씬 적다는 것이다. 논문 그림은 멋있는데 그 그림이 배제하는 대안 모형이 거의 없다. ↩
실무 요령 하나. 창발 구조를 보고할 때는 반드시 같은 구조가 나오지 않는 조건을 함께 보고하는 것이 좋다. 파라미터를 어디까지 바꾸면 사라지는지가 있어야 그 구조가 계의 성질인지 설정의 성질인지 독자가 판단할 수 있다. ↩

창발