잠재 공간의 달빛: 베토벤 Op. 27 No. 2와 머신러닝 메커니즘 사이의 카이랄성(Chirality) 및 구조적 대응 관계

우리는 베토벤의 "월광 소나타"(Op. 27 No. 2)의 세 악장이 세 가지 서로 다른 머신러닝 아키텍처(Architecture)를 구현하고 있음을 보여줍니다. 이는 단순한 비유가 아니라 구조적 대응(Structural correspondence)에 의한 것입니다. 악보에 대한 계산적 분석(엔트로피(Entropy), 젠슨-샤논 발산(Jensen-Shannon divergence), 불협화음(Dissonance), 손 분포 중첩(Hand distributional overlap), 자기 유사성 행렬(Self-similarity matrices), 시간적 메모리 감쇠(Temporal memory decay), 문맥적 음고 임베딩(Contextual pitch embeddings))을 통해, 우리는 네 가지 직관에 반하는 발견을 확립했습니다: (1) 인지된 음악적 "온도(Temperature)"는 분포의 너비가 아니라 처리량(Throughput)에 의해 결정됩니다; (2) 가장 가벼운 악장이 가장 높은 불협화음을 포함합니다; (3) 각 악장은 스트리밍(Streaming), 순환(Recurrent), 그리고 주기적 위치 인코딩(Periodic positional encoding) 메모리 아키텍처를 구현합니다; (4) 동일한 음계(Pitch class)가 악장 전반에 걸쳐 서로 다른 문맥적 정체성을 획득하는데, 이는 NLP의 문맥적 임베딩(Contextual embeddings) 대 정적 임베딩(Static embeddings)과 유사하며, 비지도 클러스터링(Unsupervised clustering)을 통해 음악 이론적 입력 없이도 조성 구조를 복원할 수 있습니다. 우리는 역 소니피케이션(Reverse sonification, 분석된 특징을 다시 MIDI로 디코딩하는 과정)을 구축하고 인코딩-디코딩 사이클의 카이랄성(Chirality)을 정량화했습니다: 즉, 어떤 분포가 보존되고 순차적 순서(Sequential ordering)가 무엇을 파괴하는지를 측정합니다. 디코딩된 곡이 "겹쳐질 수 없는 거울 이성질체(Mirror isomers) 같다"는 청취자의 관찰에 착안하여, 카이랄성 측정 결과 재구성 손실(Reconstruction loss)이 n-gram 차수에 따라 단조 증가함을 밝혀냈습니다. 부트스트랩(Bootstrap) 베이스라인과 서브샘플(Subsample) 점검을 통해 모든 악장이 노이즈 이상의 순차적 정보를 담고 있음을 확인했으나, 원시 값은 샘플 크기에 의해 혼란(Confounded)될 수 있습니다. 도메인 간 비교를 통해 자연어(Natural language)가 음악보다 더 높은 카이랄성을 가짐을 보여주었으며, 이는 자연어가 더 강력한 순차적 제약(Sequential constraints)을 반영함을 나타냅니다.