[論文レビュー] Group Testing using left-and-right-regular sparse-graph codes

Avinash Vem, Nagaraj Thenkarai Janakiraman+1 more|arXiv (Cornell University)|Jan 25, 2017

Advanced biosensing and bioanalysis techniques参考文献 16被引用数 8

ひとこと要約

本稿は、左および右正則なスパース・グラフ・コードを用いた非適応的グループテスト方式を提案し、近似的に最適なテスト複雑度と部分線形デコードを達成する。$ m = \mathcal{O}(K\log\frac{N}{K}) $ テストで、高確率で $ (1-\epsilon) $ 分の欠陥を持つアイテムを回復可能であり、計算複雑度も $ \mathcal{O}(K\log\frac{N}{K}) $ である。これは、実用的に従来の左正則方式よりも顕著に改善されている。

ABSTRACT

We consider the problem of non-adaptive group testing of $N$ items out of which $K$ or less items are known to be defective. We propose a testing scheme based on left-and-right-regular sparse-graph codes and a simple iterative decoder. We show that for any arbitrarily small $ε>0$ our scheme requires only $m=c_εK\log \frac{c_1N}{K}$ tests to recover $(1-ε)$ fraction of the defective items with high probability (w.h.p) i.e., with probability approaching $1$ asymptotically in $N$ and $K$, where the value of constants $c_ε$ and $\ell$ are a function of the desired error floor $ε$ and constant $c_1=\frac{\ell}{c_ε}$ (observed to be approximately equal to 1 for various values of $ε$). More importantly the iterative decoding algorithm has a sub-linear computational complexity of $\mathcal{O}(K\log \frac{N}{K})$ which is known to be optimal. Also for $m=c_2 K\log K\log \frac{N}{K}$ tests our scheme recovers the extit{whole} set of defective items w.h.p. These results are valid for both noiseless and noisy versions of the problem as long as the number of defective items scale sub-linearly with the total number of items, i.e., $K=o(N)$. The simulation results validate the theoretical results by showing a substantial improvement in the number of tests required when compared to the testing scheme based on left-regular sparse-graphs.

研究の動機と目的

• 非適応的グループテストにおけるテスト回数を削減するが、計算複雑度を低く保つこと。
• 従来の左正則なスパース・グラフ・コード（例：SAFFRON）を改善し、コード構造に右正則性を導入すること。
• 近似的なグループテストにおいて、漸近的に消える誤り確率と、オーダー的に最適な計算複雑度を達成すること。
• 確率的グループテスト設定への拡張を図り、情報理論的下界に対して $ \log K $ 要因のオーバーヘッドで、完全な欠陥集合の回復を可能にすること。
• ノイズのない状態およびノイズあり（BSC）モデルの両方で、モンテカルロシミュレーションを通じて理論的利点を検証すること。

提案手法

• 各アイテムが $ \ell $ 個のバケツに接続され、各バケツが $ r $ 個のアイテムに接続される左および右正則な二部グラフを用いて、テスト行列を構築する。
• 2段階のデコードプロセスを採用：まず、変更版ピーリングデコーダーを用いてバケツ検出を行い、次にバケツ出力に対してエラー訂正符号を用いてアイテムを回復する。
• 確率的回復設定に対応するため、シングルトン・オンative・デコーダーの変種を用い、完全な欠陥集合の特定を可能にする。
• ノイズありモデルでは、バイナリシンメトリックチャネル（BSC）によって生じるバケツレベルの誤りを補正するため、$ GF(2^7) $ 上のリード・ソロモン符号を適用する。
• 確率的解析を用いて誤り境界を導出し、適切なパrameterスケーリングのもとで、総誤り確率が $ \mathcal{O}(N^{-\kappa}) $ に減少することを示す。
• 正則なスパース・グラフの構造を活用し、負荷のバランスを保ち、$ \mathcal{O}(K\log\frac{N}{K}) $ の複雑度で効率的な反復デコードを実現する。

実験結果

リサーチクエスチョン

• RQ1 左および右正則なスパース・グラフ・コードは、左正則構成と比較して、近似的なグループテストにおけるテスト回数を削減できるか？
• RQ2 提案された方式は、欠陥アイテムの高確率回復を維持しながら、部分線形計算複雑度を達成できるか？
• RQ3 この方式は、情報理論的下界に対して $ \log K $ 要因のオーバーヘッドで、確率的グループテスト設定に拡張可能か？
• RQ4 ノイズのない状態およびノイズありのグループテスト状況において、本方式は SAFFRON と比較してどのように性能を発揮するか？
• RQ5 コードレートおよびバケツサイズが、チャネルノイズの存在下での誤りフロアおよび回復性能に与える影響は何か？

主な発見

• 提案方式では、高確率で $ (1-\epsilon) $ 分の欠陥を回復するため、$ m = c_{\epsilon}K\log\frac{N\ell}{c_{\epsilon}K} $ テストで十分であり、SAFFRON の $ c_{\epsilon}K\log N $ の境界を改善している。
• 反復デコーダーは $ \mathcal{O}(K\log\frac{N}{K}) $ の計算複雑度を達成しており、これは $ N $ に対して部分線形であり、最適である。
• 完全な欠陥集合の回復のためには、高確率で $ m = c \cdot K\log K\log\frac{N}{K} $ テストで十分であり、$ \Omega(K\log\frac{N}{K}) $ の下界に対して $ \log K $ 要因のオーバーヘッドに収まる。
• モンテカルロシミュレーションの結果、明確な性能向上が確認された：$ \ell = 3,5,7 $ の各条件下で、正則-SAFFRON方式は、同じ誤りフロアを達成するために SAFFRON よりも少ないテスト回数を要した。
• BSC を用いたノイズありモデルでは、リード・ソロモン符号による誤り制御のおかげで、正則-SAFFRON方式は SAFFRON を上回り、特に高いノイズレベル（例：$ q = 0.05 $）で顕著な優位性を示した。
• 理論的解析により、総誤り確率が $ \mathcal{O}(N^{-\kappa}) $ に減少することが確認され、部分線形スケーリングのもとで漸近的に消える誤りを保証している。