[論文レビュー] Lower bounds for identifying subset members with subset queries

Emanuel Knill|arXiv (Cornell University)|Jan 22, 1995

SARS-CoV-2 detection and testing参考文献 15被引用数 60

ひとこと要約

本稿は、$ n $ 個のオブジェクトのうち各オブジェクトが確率 $ p/n $ で独立に $ P $ に含まれるランダムな部分集合 $ P $ を特定するための2段階グループテストアルゴリズムにおいて、必要なクエリ数のタイトな下界を確立している。最初の段階で $ o(\log n \log n / \log \log n) $ クエリが使われる場合、2段階目の個別テストの期待値は $ n^{1-o(1)} $ になることが示され、一方 $ O(\log n \log n / \log \log n) $ の最初の段階クエリを用いるアルゴリズムは $ \Exp(q_2) = o(1) $ を達成できることを示し、非適応的グループテストの効率に関する予想を解決した。

ABSTRACT

An instance of a group testing problem is a set of objects $\cO$ and an unknown subset $P$ of $\cO$. The task is to determine $P$ by using queries of the type ``does $P$ intersect $Q$'', where $Q$ is a subset of $\cO$. This problem occurs in areas such as fault detection, multiaccess communications, optimal search, blood testing and chromosome mapping. Consider the two stage algorithm for solving a group testing problem. In the first stage a predetermined set of queries are asked in parallel and in the second stage, $P$ is determined by testing individual objects. Let $n=\cardof{\cO}$. Suppose that $P$ is generated by independently adding each $x\in \cO$ to $P$ with probability $p/n$. Let $q_1$ ($q_2$) be the number of queries asked in the first (second) stage of this algorithm. We show that if $q_1=o(\log(n)\log(n)/\log\log(n))$, then $\Exp(q_2) = n^{1-o(1)}$, while there exist algorithms with $q_1 = O(\log(n)\log(n)/\log\log(n))$ and $\Exp(q_2) = o(1)$. The proof involves a relaxation technique which can be used with arbitrary distributions. The best previously known bound is $q_1+\Exp(q_2) = \Omega(p\log(n))$. For general group testing algorithms, our results imply that if the average number of queries over the course of $n^\gamma$ ($\gamma>0$) independent experiments is $O(n^{1-\epsilon})$, then with high probability $\Omega(\log(n)\log(n)/\log\log(n))$ non-singleton subsets are queried. This settles a conjecture of Bill Bruno and David Torney and has important consequences for the use of group testing in screening DNA libraries and other applications where it is more cost effective to use non-adaptive algorithms and/or too expensive to prepare a subset $Q$ for its first test.

研究の動機と目的

• オブジェクトの数が $ n $ で、各オブジェクトが確率 $ p/n $ で独立に $ P $ に含まれるランダムな部分集合 $ P $ を想定した2段階グループテストにおいて、必要な最小クエリ数を特定すること。
• 最初の段階のクエリ数と2段階目の期待個別テスト数との間のトレードオフを分析すること。
• DNAライブラリスクリーニングなどの応用分野における非適応的グループテストのクエリ複雑度に関する予想をブロノとトーリーが提起したものに関して解決すること。
• 確率的部分集合生成の下で、非適応的グループテストアルゴリズムの効率の根本的限界を確立すること。

提案手法

• 著者らは、任意の分布の下でのグループテストのクエリ複雑度を分析できるようにする緩和技術を導入し、ランダム部分集合モデルの分析を可能にした。
• グループテスト問題を2段階プロセスとしてモデル化した：非適応的最初の段階（$ q_1 $ クエリ）、その後に適応的個別テスト（$ q_2 $ クエリ）を実施する2段階目。
• 期待値 $ \Exp(q_2) $ を、最初の段階クエリ数 $ q_1 $ に基づいて確率的技法を用いて境界づける分析を実施した。
• 主な技術的貢献は、$ q_1 = o(\log n \log n / \log \log n) $ ならば、最適なクエリ設計のもとでも $ \Exp(q_2) = n^{1-o(1)} $ が成立することを示す下界の確立である。
• この手法は一般の分布に適用可能であり、非適応的アルゴリズムにおける非単一集合のクエリ数に関する一般の下界を導出するために用いられた。

実験結果

リサーチクエスチョン

• RQ1 2段階目の個別テストの期待数を多項式より小さいものに保つために必要な最小の最初の段階クエリ数は何か？
• RQ2 $ P $ がスパースなランダム部分集合である場合、非適応的グループテストアルゴリズムは総クエリコストを多項式より小さくできるか？
• RQ3 一般の分布の下で、非適応的グループテストにおけるクエリが必要な非単一集合の数の根本的限界は何か？
• RQ4 ブロノとトーリーの予想（$ \Omega(\log n \log n / \log \log n) $ のクエリが必要）は、確率的部分集合モデルのもとで成立するか？

主な発見

• 最初の段階で $ o(\log n \log n / \log \log n) $ クエリが使われる場合、2段階目の個別テストの期待値は $ n^{1-o(1)} $ になる。これはスケーラビリティに劣ることを示している。
• $ q_1 = O(\log n \log n / \log \log n) $ の最初の段階クエリと $ \Exp(q_2) = o(1) $ を達成するアルゴリズムが存在する。これはこの境界がタイトであることを示している。
• 本結果により、ブロノとトーリーの予想が、非適応的グループテストで高確率で非単一集合が $ \Omega(\log n \log n / \log \log n) $ 個必要であることを証明することで解決された。
• 分析により、$ q_1 + \Exp(q_2) = \Omega(p \log n) $ の新しい下界が確立され、以前の既知の境界を改善した。
• 証明で用いられた緩和技術は一般性を有し、特定の確率的モデルに限定されず、広範な分布に適用可能であるため、本結果はその適用範囲が広い。