[論文レビュー] Improved Algorithms for Alternating Matrix Space Isometry: From Theory to Practice

Peter A. Brooksbank, Joshua A. Grochow+2 more|arXiv (Cornell University)|May 6, 2019

Algorithms and Data Compression参考文献 8被引用数 7

ひとこと要約

本稿は、有限群の代数的同型性テストに、組合せ的手法——特にk次元Weisfeiler–Lemanアルゴリズムのハイパーグラフ版——を統合する新規フレームワークを提示する。再帰的に精錬可能なフィルターと種数に基づくハイパーグラフ彩色を用いることで、可解群に対しては時間計算量の向上が達成され、強力なカバレッジを持つ新しいランダム群モデルが導入され、クラス2で指数pのp群に対しては、従来の平均ケースアルゴリズムを著しく上回る。

ABSTRACT

In this paper we combine many of the standard and more recent algebraic techniques for testing isomorphism of finite groups (GpI) with combinatorial techniques that have typically been applied to Graph Isomorphism. In particular, we show how to combine several state-of-the-art GpI algorithms for specific group classes into an algorithm for general GpI, namely: composition series isomorphism (Rosenbaum-Wagner, Theoret. Comp. Sci., 2015; Luks, 2015), recursively-refineable filters (Wilson, J. Group Theory, 2013), and low-genus GpI (Brooksbank-Maglione-Wilson, J. Algebra, 2017). Recursively-refineable filters -- a generalization of subgroup series -- form the skeleton of this framework, and we refine our filter by building a hypergraph encoding low-genus quotients, to which we then apply a hypergraph variant of the k-dimensional Weisfeiler-Leman technique. Our technique is flexible enough to readily incorporate additional hypergraph invariants or additional characteristic subgroups.

研究の動機と目的

• 群同型性テスト（GpI）における代数的および組合せ的手法の橋渡しを図ること、特にグラフ同型性のツールを群論的構造に適応させること。
• 合成系列、再帰的に精錬可能なフィルター、低種数商不変量を統合した包括的フレームワークを構築すること。
• 同型型のカバレッジが非常に高い新しいランダム群モデルを導入し、平均ケース分析をより良く行えるようにすること。
• クラス2で指数pのp群という、GpIの最も困難とされるケースにおいて、現在の最良の性能を向上させること。
• MAGMAにおける新アルゴリズムの実装と実験的検証を行い、ブルートフォース法に比べて性能向上を示すこと。

提案手法

• フレームワークは再帰的に精錬可能なフィルターを構造的骨格として用い、各層は群系列内の部分群の商に対応する。
• 低種数の商（種数g）はハイパーグラフに符号化され、(双)次元gの部分空間が局所的同型不変量を用いて彩色される。
• k次元Weisfeiler–Leman手順がハイパーグラフに適用され、色クラスが精錬され、群同型性と整合する構造的対称性が捉えられる。
• フィルター精錬は、ハイパーグラフ彩色が群の部分群構造と自己同型不変量を尊重することを保証することで、常に維持される。
• 基礎ケースでは、コhomオロジー的技術、符号同型性、低種数同型性アルゴリズムを組み合わせることで実行時間を改善する。
• 新しいランダム群モデルが導入され、パラメータが調整されて、同型型の数が全数に対して対数的に同等になるように設定され、広範なカバレッジが保証される。

実験結果

リサーチクエスチョン

• RQ1 代数的構造を基盤として、Weisfeiler–Lemanのような組合せ的同型性技術を群同型性問題に効果的に適応できるか。
• RQ2 再帰的フィルターとハイパーグラフ精錬法の複雑さは、特にフィルター幅と色比に関して、可解群においてどのように評価できるか。
• RQ3 新しいランダム群モデルは、GpIの平均ケース複雑さ分析に意味のあるものとなる十分なカバレッジを提供するか。
• RQ4 この手法は、クラス2で指数pのp群に対して、既存の平均ケースアルゴリズムを、単純さと適用範囲の面で上回ることができるか。
• RQ5 新たな不変量や部分群が出現する際に、このフレームワークをどの程度拡張できるか。

主な発見

• アルゴリズムは、可解群の位数nに対して、(n / 色比)^幅 × poly(n) + n^O(gk) の時間で同型性を解ける。ここで、幅はフィルターに含まれる最大の商の次元である。
• 基礎ケース（低種数の可解根基と自明な単純作用を有する可解群）では、コホモロジー的および符号同型性技術を用いて、実行時間がn^O(log log n)に改善される。
• 新しいランダム群モデルは、全数に対して対数的に同等の同型型数を生成し、平均ケース分析に強いカバレッジを保証する。
• ランダムモデルにおいて、フィルターと1-WLの精錬法は、平均的に一定のフィルター幅を達成し、最悪ケースの境界を改善する。
• クラス2で指数pのp群に対して、新アルゴリズムはLi–Qiao（FOCS '17）よりも単純で、より多くのランダムインスタンスに適用可能であり、MAGMAでの実験結果によりブルートフォース法に比し性能向上が示された。
• アルゴリズムの実装は実用的な効率性を示しており、特に従来の手法が苦戦する困難なケースにおいて顕著である。