[論文レビュー] Fourier Growth of Parity Decision Trees

Chattopadhyay, Eshan, Liao, Jyun-Jie|arXiv (Cornell University)|Mar 22, 2021

Complexity and Algorithms in Graphs参考文献 31被引用数 1

ひとこと要約

本稿は、パリティ意思決定木（PDT）のためのタイトなフーリエスパarsityバウンドを確立し、木の深さをdとしたとき、レベルℓにおけるフーリエ係数の絶対値の和がd^{ℓ/2} · O(ℓ · log n)^ℓ以下であることを証明している。著者らは、パスの寄与を制限するための洗練されたランダムウォーク解析とクリーニング手順を用い、小ℓに対してほぼタイトなバウンドを導出し、標準的決定木に対する既存の結果を拡張した。このバウンドは、パリティ意思決定木モデルにおけるk重フォリューション問題に対して指数的下界を示している。

ABSTRACT

In a recent work, Gryaznov, Pudlák and Talebanfard (CCC '22) introduced a linear variant of read-once branching programs, with motivations from circuit and proof complexity. Such a read-once linear branching program is a branching program where each node is allowed to make 𝔽₂-linear queries, and is read-once in the sense that the queries on each path is linearly independent. As their main result, they constructed an explicit function with average-case complexity 2^{n/3-o(n)} against a slightly restricted model, which they call strongly read-once linear branching programs. The main tool in their lower bound result is a new type of extractor, called directional affine extractors, that they introduced. Our main result is an explicit function with 2^{n-o(n)} average-case complexity against the strongly read-once linear branching program model, which is almost optimal. This result is based on a new connection from this problem to sumset extractors, which is a randomness extractor model introduced by Chattopadhyay and Li (STOC '16) as a generalization of many other well-studied models including two-source extractors, affine extractors and small-space extractors. With this new connection, our lower bound naturally follows from a recent construction of sumset extractors by Chattopadhyay and Liao (STOC '22). In addition, we show that directional affine extractors imply sumset extractors in a restricted setting. We observe that such restricted sumset sources are enough to derive lower bounds, and obtain an arguably more modular proof of the lower bound by Gryaznov, Pudlák and Talebanfard. We also initiate a study of pseudorandomness against linear branching programs. Our main result here is a hitting set generator construction against regular linear branching programs with constant width. We derive this result based on a connection to Kakeya sets over finite fields.

研究の動機と目的

• 標準的決定木に対する既存結果を拡張し、パリティ意思決定木（PDT）のためのタイトなフーリエスパarsityバウンドを確立すること。
• 各レベルℓにおけるフーリエ係数の絶対値の和を特徴づけることで、PDTのフーリエスペクトルを分析すること。
• これらのバウンドを用いて、確率的パリティ意思決定木モデルにおけるk重フォリューション問題の下界を証明すること。
• 木の分解を避ける新しいランダムウォークに基づく証明技法を開発し、従来の手法よりも単純かつ直感的な解析を可能にすること。
• 最近導入されたモデルであるコストがd以下のノイズ付き意思決定木に対しても、フーリエバウンドを拡張すること。

提案手法

• PDTにおけるレベルℓのフーリエ表現へのランダムなルートからリーフへのパスの寄与を分析するために、ランダムウォークのアプローチが用いられる。
• クリーニング手順により、ランダムウォークの値が高確率で有界に保たれることを保証し、濃度バウンドが可能になる。
• レベルℓのウォークのステップサイズは、レベル≤ℓ−1の間接的値を用いて計算され、帰納的証明構造を可能にする。
• 集合Tのサイズに関する帰納法が用いられ、t=0を基本ケースとし、ラーメン3.4によるマルティンググール濃度を介した帰納的ステップが成立する。
• エッジ遷移における平均ゼロの確率変数が利用され、ウォークにおける逸脱を制御するためのテールバウンドが適用される。
• ノイズ付き意思決定木への枠組みの拡張は、確率的エッジ選択のモデル化と、係数寄与における分散のバウンドによって行われる。

実験結果

リサーチクエスチョン

• RQ1 深さdのパリティ意思決定木において、レベルℓにおけるフーリエ係数の絶対値の和としての最大値は何か？
• RQ2 ランダム制限またはノイズ下でのレベルℓにおけるフーリエ係数はどのように振る舞い、すべてのℓにわたって一様にバウンド可能か？
• RQ3 ランダムウォーク法は、従来の分解に基づく手法よりもタイトなフーリエバウンドを導出可能か？
• RQ4 PDTのためのフーリエスパarsityバウンドは、フォリューションのような全関数クラスに対して強い下界を示唆するか？
• RQ5 同じ技法は、標準的およびパリティ意思決定木を一般化するノイズ付き意思決定木へ拡張可能か？

主な発見

• 任意の深さdのパリティ意思決定木について、レベルℓにおけるフーリエ係数の絶対値の和はd^{ℓ/2} · O(ℓ · log n)^ℓ以下であり、小ℓではほぼタイトである。
• このバウンドは、k重フォリューション問題が、量子クエリ複雑度が⌈k/2⌉であるにもかかわらず、確率的パリティ意思決定木複雑度がe^{Ω(n^{1−1/k})}であることを示唆している。
• 証明技法は、特に標準的決定木に対して、従来の分解に基づく手法よりも単純かつ直感的である。
• 同じバウンドは、コストがd以下のノイズ付き意思決定木へも拡張され、確率的クエリに対するロバストネスを示している。
• この結果により、L1(t)に属する関数のための擬似乱数生成子の構築が強化され、よりタイトなフーリエスパarsity制御が可能になった。
• 解析により、ノイズ下でレベルℓのフーリエ係数がγ^ℓ倍に乗算的に縮小されることが明らかになった。これにより、ℓ依存のバウンドの使用が正当化された。