[論文レビュー] Fast computation of persistent homology representatives with involuted persistent homology

Matija Čufar, Žiga Virk|arXiv (Cornell University)|May 8, 2021

Topological and Geometric Data Analysis被引用数 4

ひとこと要約

本稿では、恒等的ホモロジーを用いてホモロジー周期の抽出を高速化することで、持続的ホモロジー代表の計算に効率的なアルゴリズムを導入する。まずコバウンダリ行列を縮約して重要な単体を特定し、その後境界行列の縮約をその列に限定することで、Eireneなどの既存ツールに比べて最大17倍の高速化を達成する。特にリプスフィルトレーションにおいて顕著な性能向上を示し、正確な代表周期を維持する。

ABSTRACT

Persistent homology is typically computed through persistent cohomology. While this generally improves the running time significantly, it does not facilitate extraction of homology representatives. The mentioned representatives are geometric manifestations of the corresponding holes and often carry desirable information. We propose a new method of extraction of persistent homology representatives using cohomology. In a nutshell, we first compute persistent cohomology and use the obtained information to significantly improve the running time of the direct persistent homology computations. This algorithm applied to Rips filtrations generally computes persistent homology representatives much faster than the standard methods.

研究の動機と目的

• 幾何学的に意味のある周期（トポロジカルな穴を表す）を表す持続的ホモロジー代表を抽出する際の計算ボトルネックを解消すること。
• 標準的な持続的コホモロジーではコサイクルが得られるが周期が得られないという制限を克服し、性能を損なわずに周期の抽出を可能にすること。
• コホモロジー縮約の高速性とホモロジー代表の幾何的有用性を組み合わせた手法を開発すること。
• 多様なデータセットにおいて、ホモロジー代表を計算する際の実行時間において、Eireneなどの既存ツールを上回ること。

提案手法

• アルゴリズムはまずコバウンダリ行列の縮約により持続的コホモロジーを計算し、列の縮約によって死滅単体を特定する。
• その後、コホモロジー縮約の結果を用いて、代表周期に関連する境界行列の列の最小集合を選択する。
• 境界行列をその選択された列に制限し、縮約することで、必要な計算のみを実行する。
• この二段階のアプローチ（コホモロジー縮約の後、標的のある境界縮約）を「恒等的ホモロジー計算」と呼ぶ。
• リプスフィルトレーションの構造的性質と行列のスパarsityを活用して、計算コストを最小限に抑える。
• アルゴリズムは実装され、ランダム点、Celegans、Dragonなどの多様なデータセットに対して、標準的ホモロジー縮約、コホモロジー縮約、Eireneと比較された。

実験結果

リサーチクエスチョン

• RQ1 持続的コホモロジーを活用することで、持続的ホモロジー代表の計算を著しく高速化できるか？
• RQ2 境界行列の縮約を関連する列に限定することで、ホモロジー代表の正しさが保たれるか？
• RQ3 提案手法の恒等的ホモロジー法は、標準的ホモロジー縮約およびEireneと比較して、実行時間とスケーラビリティにおいてどの程度優れているか？
• RQ4 高次元または高密度のデータにおいて、恒等的ホモロジー法は既存ツールをどの程度上回るか？
• RQ5 行列のスパarsityとフィルトレーション構造は、提案手法の効率性にどのような影響を与えるか？

主な発見

• 恒等的ホモロジー法は、dragon1000 や o3_1024 データセットにおいてEireneに比べ最大17倍の高速化を達成し、ほとんどのテストケースで一貫した改善を示した。
• o3_1024 データセットでは、Eireneが269.3秒を要したのに対し、本手法は4.047秒で完了し、66倍の高速化を達成した。
• hiv データセットでは、コホモロジーが1.375秒、恒等的ホモロジーが3.336秒で処理が完了したが、Eireneは6.696秒を要した。
• 本手法の総実行時間は、高速であることで知られるコホモロジー縮約と常に近く、同時に正確なホモロジー代表を生成する。
• 本手法は特にリプスフィルトレーションにおいて顕著な効果を示し、コホモロジー縮約がホモロジー縮約よりも著しく高速であるため、顕著な性能向上が得られる。
• Eireneが本手法を上回った唯一のケースは、random16における高次元代表の計算であり、データ依存の性能変動が一部存在することが示唆された。