[論文レビュー] Friedgut--Kalai--Naor theorem for slices of the Boolean cube

Yuval Filmus|arXiv (Cornell University)|Oct 28, 2014

Advanced Combinatorial Mathematics参考文献 10被引用数 8

ひとこと要約

本稿は、ブール関数の均一スライスにおけるFriedgut–Kalai–Naor (FKN)定理のスライス版を確立し、アフィン関数に近い関数が、バイアスパラメータ $ p = \min(k/n, 1-k/n) $ に応じて、支配関数（dictatorship）またはジャンタ（junta）に近いことを示している。$ \epsilon = O(p^2) $ の場合、関数は $ O(\epsilon) $-近傍に支配関数に近い。より大きな $ \epsilon $ の場合、関数は $ O(\sqrt{\epsilon}/p) $ 個の変数に依存するジャンタに近くなる。すべての $ p $ に対して一様な誤差境界が得られ、バイアスパラメータ $ p $ に依存しない一様なFKN定理が得られる。

ABSTRACT

The Friedgut--Kalai--Naor theorem states that if a Boolean function $f\colon \{0,1\}^n o \{0,1\}$ is close (in $L^2$-distance) to an affine function $\ell(x_1,...,x_n) = c_0 + \sum_i c_i x_i$, then $f$ is close to a Boolean affine function (which necessarily depends on at most one coordinate). We prove a similar theorem for functions defined over $\binom{[n]}{k} = \{(x_1,...,x_n) \in \{0,1\}^n : \sum_i x_i = k \}$.

研究の動機と目的

• 均一ブール立方体からの古典的FKN定理を、$ \sum x_i = k $ を満たす均一スライス $ \binom{[n]}{k} $ に拡張すること。
• バイアスパラメータ $ p = \min(k/n, 1-k/n) $ に応じて、アフィン関数に近いスライス上のブール関数の構造を分析すること。
• 誤差境界が $ p $ に依存しない、$ \mu_p $-バイアスブール立方体におけるKindler–Safra FKN定理の一様版を導出すること。
• 積分でないドメイン（例：スライス）では標準的なフーリエ基底が存在しないため、これを克服するために、新しい超幾何的および集中推移技術を開発すること。

提案手法

• スライス上のブール関数 $ f $ とアフィン関数 $ \sum c_i x_i + c_0 $ の間の $ L^2 $-距離を、スペクトル的および確率的技法を用いて分析することで、スライスFKN定理を証明する。
• 超幾何的尾部バウンドとモード解析を用いて、特に $ k/n $ が 0 および 1 から離れている場合に、インジケータ変数の和の分布を制御する。
• アフィン近似における正の係数と負の係数のサポート集合 $ S_+ $ および $ S_- $ のサイズに基づくケース分析を実施し、和が確率的に 0 になるか、有界であるかの違いを区別する。
• 集合 $ S $ のサイズが小さく、かつ $ k/n $ が小さいとき、$ \max_{i \in S} x_i $ が $ \sum_{i \in S} x_i $ に近いことに着目し、このような関数がジャンタに近いことを示す。
• 丸め処理と距離推定を用いて、$ f $ が線形関数に近い場合、高確率でブール関数（支配関数またはジャンタ）に近いことを示す。
• スライスの結果をブラックボックスとして用い、$ \mu_p $-バイアス立方体における一様FKN定理を導出し、誤差境界が $ p $ に一様に依存するように保証する。

実験結果

リサーチクエスチョン

• RQ1 FKN定理は、均一ブール立方体から、変数の和が固定された均一スライス $ \binom{[n]}{k} $ に拡張可能か？
• RQ2 バイアスパラメータ $ p = \min(k/n, 1-k/n) $ に応じて、アフィン関数に近いスライス上のブール関数に対して、どのような構造的保証（例：支配関数またはジャンタ）が得られるか？
• RQ3 誤差境界が $ p $ に一様に依存する、$ \mu_p $-バイアスブール立方体における一様FKN定理を取得することは可能か？
• RQ4 なぜ $ k/n \to 0 $ または $ 1 $ のとき、保証が支配関数からジャンタに劣化するのか？その劣化は定量的に記述可能か？
• RQ5 標準的フーリエ解析が失敗するスライス上での構造的結果を証明するために、超幾何的集中とモード解析はどのように役立つか？

主な発見

• すべての $ 2 \leq k \leq n-2 $ および $ \epsilon = O(p^2) $ に対して、スライス $ \binom{[n]}{k} $ 上の任意のブール関数 $ f $ がアフィン関数に $ \epsilon $-近傍にある場合、$ f $ は $ O(\epsilon) $-近傍に支配関数（すなわち、$ 0, 1, x_i, 1-x_i $）に近い。
• より大きな $ \epsilon $ の場合、$ f $ は $ O(\sqrt{\epsilon}/p) $ 個の変数に依存するジャンタに $ O(\epsilon) $-近傍にある。$ k \leq n/2 $ のとき関数は $ \max_{i \in S} x_i $ に、$ k \geq n/2 $ のとき $ \min_{i \in S} x_i $ に近い。
• 誤差境界はすべての $ p $ に対して一様である。つまり、$ O(\epsilon) $-近傍の定数は $ p $ に依存しない。これは、Kindler–Safra定理とは異なり、誤差境界が $ p $ に依存するためのギャップを埋めている。
• $ k/n \to 0 $ または $ 1 $ のとき、支配関数への保証は不可能であり、最良の保証はジャンタへの近傍に限られる。これは、$ |S| $ が小さいとき $ \max_{i \in S} x_i \approx \sum_{i \in S} x_i $ となるため、和関数と区別できないからである。
• 証明では、新しい超幾何的集中の議論を用い、インジケータ変数の和の分散が小さい場合、その和が 0 または 1 である確率が高いことを示し、ブール関数への丸め処理を可能にしている。
• 系として、誤差境界が $ p $ に一様に依存する $ \mu_p $-バイアスブール立方体における一様FKN定理が得られ、先行研究におけるギャップが解消された。