[論文レビュー] On lower bounds for the L_2-discrepancy

Aicke Hinrichs, Lev Markhasin|arXiv (Cornell University)|Oct 7, 2010

Mathematical Approximation and Integration参考文献 7被引用数 6

ひとこと要約

この論文は、ハール正規直交基底を用いたフーリエ解析を用いて、$d$-次元単位立方体内の$N$-点集合の$L_2$-不均一性の改善された下界を確立する。ハール係数とパーセバルの定理を用いて、2次元の場合の鋭い定数$c = \frac{7}{216\sqrt{\log 2}} \approx 0.038925$を導出し、従来の下界を著しく改善し、既知の最良上界との差を埋めた。

ABSTRACT

The L_2-discrepancy measures the irregularity of the distribution of a finite point set. In this note we prove lower bounds for the L_2 discrepancy of arbitrary N-point sets. Our main focus is on the two-dimensional case. Asymptotic upper and lower estimates of the L_2-discrepancy in dimension 2 are well-known and are of the sharp order sqrt(log N). Nevertheless the gap in the constants between the best known lower and upper bounds is unsatisfactory large for a two-dimensional problem. Our lower bound improves upon this situation considerably. The main method is an adaption of the method of K. F. Roth using the Fourier coefficients of the discrepancy function with respect to the Haar basis.

研究の動機と目的

• 2次元における既知の下界と上界の間の継続的な差を埋めるため。
• 点集合$[0,1)^2$における漸近的下界$\|D_{\cal P}\|_{L_2} \geq c\sqrt{\log N}$における定量的定数$c$の改善。
• 重み付き$L_2$-不均一性および高次元の場合（$d > 2$）への改善された下界の拡張。
• ロスの古典的手法をハールウェーブレット係数とパーセバルの定理を用いて精緻化し、より緊密な推定を実現。

提案手法

• $L_2([0,1)^d)$における正規直交ハール基底を用いて不均一性関数を表現し、そのハール係数を計算する。
• パーセバルの定理を適用し、不均一性関数の$L_2$ノルムをハール係数の二乗和として表現する。
• 点集合$\mathcal{P}$に含まれないdyadic長方形$I_{j,m}$を特定し、不均一性関数の非ゼロハール係数を保証する。
• 特性関数$\mathbbm{1}_{C_z}$および関数$x_1\cdots x_d$のハール係数の明示的公式を用いて、$\mu_{j,m}(D_{\mathcal{P}})$を計算する。
• 幾何級数と漸近的解析を活用し、空のdyadicボックスに対応するハール係数の和をとることで、$L_2$ノルムの下界を推定する。
• 変数$y = N2^{-M}$における2次関数の最大化により、最良の定数$c_d$を導出する。

実験結果

リサーチクエスチョン

• RQ1 すべての$N$-点集合$[0,1)^2$に対して$\|D_{\mathcal{P}}\|_{L_2} \geq c\sqrt{\log N}$が成り立つような最良の定数$c$は何か？
• RQ2 ロスの手法をハールウェーブレット解析で精緻化することで、$L_2$-不均一性の既知の下界をさらに改善できるか？
• RQ3 重みなし$L_2$-不均一性に対して得られた改善された下界は、重み付き不均一性設定へも拡張可能か？
• RQ4 $L_2$-不均一性の下界における定数は次元$d$とともにどのようにスケーリングされるか？
• RQ5 同様のハールベースの手法を高次元$d \geq 3$へ一般化し、より良い定数を導出できるか？

主な発見

• 本論文は2次元における$L_2$-不均一性の新たな下界を確立した：$\|D_{\mathcal{P}}\|_{L_2} \geq \frac{7}{216\sqrt{\log 2}}\sqrt{\log N} \approx 0.038925\sqrt{\log N}$。これは、従来の最良下界約$0.0046918\sqrt{\log N}$を著しく上回る。
• 下界と上界の比における改善は顕著である。新しい定数は、従来の最良推定値に対して約8.3倍の下界を向上させた。
• 同じ手法により、$d$次元$L_2$-不均一性に対しても改善された下界が得られた：$\|D_{\mathcal{P}}\|_{L_2} \geq \frac{7}{27 \cdot 2^{2d-1} \sqrt{(d-1)!} (\log 2)^{(d-1)/2}} (\log N)^{(d-1)/2}$。これは既知の定数を$\frac{224}{27} \approx 8.296$倍改善した。
• 下界は重み付き$L_2$-不均一性に対しても有効であり、点集合への重みの割り当てがいかなるものであっても成立する。
• ハール基底のテンソル積構造を活用することで、本手法は高次元へ一般化可能であり、漸近的スケーリング$\sim (\log N)^{(d-1)/2}$は保存され、定量的に改善された定数が得られる。
• 著者らは、最適化ステップで2次式を最大化することで得られた定数が、現在の手法的枠組みにおいて最適であることを確認している。