[論文レビュー] Circuit Lower Bounds for the p-Spin Optimization Problem

David Gamarnik, Aukosh Jagannath+1 more|arXiv (Cornell University)|Sep 3, 2021

Complexity and Algorithms in Graphs被引用数 4

ひとこと要約

この論文は、ラデマッハ結合を伴う $p$-スピン最適化問題の近似的に最適な解を出力する多項式サイズのブール回路に対して、回路深さの下界 $\log n / (2\log\log n)$ を確立する。この結果は、重なりギャップ性質（OGP）とフーリエ解析を、リンライ・マンサール・ナイサン定理を用いて組み合わせることで得られ、決定的答えではなく完全な解を出力する必要がある組合せ最適化問題における、これまでで最も強い深さ下界を示している。

ABSTRACT

We consider the problem of finding a near ground state of a $p$-spin model with Rademacher couplings by means of a low-depth circuit. As a direct extension of the authors' recent work [Gamarnik, Jagannath, Wein 2020], we establish that any poly-size $n$-output circuit that produces a spin assignment with objective value within a certain constant factor of optimality, must have depth at least $\log n/(2\log\log n)$ as $n$ grows. This is stronger than the known state of the art bounds of the form $Ω(\log n/(k(n)\log\log n))$ for similar combinatorial optimization problems, where $k(n)$ depends on the optimality value. For example, for the largest clique problem $k(n)$ corresponds to the square of the size of the clique [Rossman 2010]. At the same time our results are not quite comparable since in our case the circuits are required to produce a solution itself rather than solving the associated decision problem. As in our earlier work, the approach is based on the overlap gap property (OGP) exhibited by random $p$-spin models, but the derivation of the circuit lower bound relies further on standard facts from Fourier analysis on the Boolean cube, in particular the Linial-Mansour-Nisan Theorem. To the best of our knowledge, this is the first instance when methods from spin glass theory have ramifications for circuit complexity.

研究の動機と目的

• ラデマッハ結合を伴う $p$-スピン最適化問題を解く多項式サイズのブール回路に対して、タイトな回路深さ下界を確立すること。
• 重なりギャップ性質（OGP）を活用することで、低次多項式アルゴリズムに関する先行結果を一般ブール回路へと拡張すること。
• 最適解の定数倍以内のスピン割り当てを出力する回路は、深さが少なくとも $\log n / (2\log\log n)$ に達しなければならないことを示すこと。
• スピンガラス理論、特にアンサンブル重なりギャップ性質（e-OGP）が回路複雑性に直接的な影響を持つこと。
• 他のOGPを示すモデルに適用可能なフレームワークを提供し、最適化における回路複雑性の境界を前進させること。

提案手法

• アンサンブル重なりギャップ性質（e-OGP）を用いて、ラデマッハ結合を伴う $p$-スピンモデルにおける近似的に最適なスピン割り当ての構造を特徴付ける。
• リンライ・マンサール・ナイサン定理を適用し、低深さ回路が低次数項に集中するフーリエ展開を持つ出力しか生成できないことを示す。
• 連続性の議論と対称化を用いて、相関するインスタンス間でのハミルトニアン差の最大偏差を評価する。
• マクディアーミッドの不等式とタラグランドの比較不等式を用いて、スピン配置全体における最大ハミルトニアン差のサブガウス分布の挙動を制御する。
• 時間インデックスの $O(n^{2p})$ 組のユニオンバウンドを適用し、相関するインスタンス全体にわたる最大ハミルトニアンの揺らぎに対する一様なバウンドを導出する。
• 普遍性の議論に依拠して、ガウス分布からラデマッハ分布への結果の拡張を行い、OGPが分布のシフトに対してもロバストであることを保証する。

実験結果

リサーチクエスチョン

• RQ1 多項式サイズのブール回路が、$p$-スピンモデルにおいて最適目的値の定数倍以内のスピン割り当てを出力するには、最低何深さが必要か？
• RQ2 重なりギャップ性質（OGP）を用いて、完全な解を出力する必要がある最適化問題の回路複雑性下界を導出可能か？
• RQ3 解を出力する回路の深さ要件は、決定問題のみを対象とする回路と比べて、組合せ最適化においてどのように異なるか？
• RQ4 特にリンライ・マンサール・ナイサン定理を用いたブール立方体上のフーリエ解析は、最適化タスクにおける低深さ回路を除外するのにどの程度有効か？
• RQ5 OGPに基づく手法はスパarsなランダムグラフモデルへと拡張可能か？また、このような設定において、既存の回路感度不変定理の限界は何か？

主な発見

• 任意の多項式サイズの $n$ 出力ブール回路が、$p$-スピンモデルにおいて最適目的値の定数倍以内のスピン割り当てを出力するには、深さが少なくとも $\log n / (2\log\log n)$ に達しなければならない。
• 以前の結果（例：クリーク問題）とは異なり、この下界は最適性ギャップに依存しない。
• 同様の問題に対する最新の境界よりも強い。これは、解の探索回路に適用可能であるのに対し、決定問題に限定される既存の境界とは対照的である。
• 証明はアンサンブル重なりギャップ性質（e-OGP）に依拠しており、近似的に最適な解は高重なりまたは低重なりのいずれかであり、中間の重なりは排除される。
• リンライ・マンサール・ナイサン定理を用いて、低深さ回路がe-OGP構造に矛盾するフーリエ展開を持つ出力を生成できないことを示している。
• スピンガラス理論、特にOGPを回路複雑性に応用したのは、本研究が初めてであり、統計物理学と計算複雑性理論の間の新しい橋渡しを確立している。