[論文レビュー] Optimal Error Pseudodistributions for Read-Once Branching Programs

Eshan Chattopadhyay, Jyun-Jie Liao|arXiv (Cornell University)|Feb 17, 2020

Optimization and Search Problems参考文献 25被引用数 1

ひとこと要約

本稿では、読み取り一回の分岐プログラムに対する簡素化され改善された擬似乱数擬似分布（PRPD）の構築を提示する。シード長は $O(\log n \cdot \log(nw) \cdot \log\log(nw) + \log(1/\varepsilon))$ であり、小さな誤差領域で最適な性能を達成する。この手法は、Braverman, Cohen, および Garg（STOC'18）の構築を改善し、シード長を $\log\log(1/\varepsilon)$ 要因だけ短縮するとともに、解析を単純化している。

ABSTRACT

In a seminal work, Nisan (Combinatorica'92) constructed a pseudorandom generator for length $n$ and width $w$ read-once branching programs with seed length $O(\log n\cdot \log(nw)+\log n\cdot\log(1/\varepsilon))$ and error $\varepsilon$. It remains a central question to reduce the seed length to $O(\log (nw/\varepsilon))$, which would prove that $\mathbf{BPL}=\mathbf{L}$. However, there has been no improvement on Nisan's construction for the case $n=w$, which is most relevant to space-bounded derandomization. Recently, in a beautiful work, Braverman, Cohen and Garg (STOC'18) introduced the notion of a pseudorandom pseudo-distribution (PRPD) and gave an explicit construction of a PRPD with seed length $ ilde{O}(\log n\cdot \log(nw)+\log(1/\varepsilon))$. A PRPD is a relaxation of a pseudorandom generator, which suffices for derandomizing $\mathbf{BPL}$ and also implies a hitting set. Unfortunately, their construction is quite involved and complicated. Hoza and Zuckerman (FOCS'18) later constructed a much simpler hitting set generator with seed length $O(\log n\cdot \log(nw)+\log(1/\varepsilon))$, but their techniques are restricted to hitting sets. In this work, we construct a PRPD with seed length $$O(\log n\cdot \log (nw)\cdot \log\log(nw)+\log(1/\varepsilon)).$$ This improves upon the construction in [BCG18] by a $O(\log\log(1/\varepsilon))$ factor, and is optimal in the small error regime. In addition, we believe our construction and analysis to be simpler than the work of Braverman, Cohen and Garg.

研究の動機と目的

• 読み取り一回の分岐プログラムに対する、短いシード長を有する擬似乱数擬似分布（PRPD）の構築。
• 特に Braverman, Cohen, および Garg（STOC'18）の先行研究と比較して、構築および解析の両方を単純化すること。
• 小さな誤差領域において最適なシード長を達成すること。これは $\mathbf{BPL} = \mathbf{L}$ の予想される境界に近づく。

提案手法

• 擬似乱数擬似分布（PRPD）の枠組みを活用する。これは $\mathbf{BPL}$ の確率的空間を決定的空間に還元するために適した、擬似乱数生成の緩和版である。
• シード長における $\log\log(nw)$ 項の依存性を低減する、新しい構築技術を導入する。
• 構造的なランダムネス制限を用いて、分岐プログラムにおける誤差伝搬を洗練された方法で分析する。
• 階層的な擬似ランダムネスアプローチを用い、プログラムの各段階における誤差蓄積を制御する。
• 幅 $w$、長さ $n$、誤差 $\varepsilon$ の間のトレードオフを最適化することで、より良いシード長を達成する。
• 先行研究で用いられていた複雑な組合せ的分解を避けることで、構築を単純化する。

実験結果

リサーチクエスチョン

• RQ1 読み取り一回の分岐プログラムに対するPRPDを、予想される最適な $O(\log(nw/\varepsilon))$ に近いシード長で構築することは可能か？
• RQ2 シード長の境界を維持または改善しつつ、PRPDの構築を単純化することは可能か？
• RQ3 シード長における $\log\log(nw)$ 項が、小さな誤差領域におけるパフォーマンスに与える影響は何か？
• RQ4 先行研究と比較して、解析をより透明かつモジュール化可能にすることができるか？
• RQ5 改善された構築は、以前のPRPD研究と同様にヒッティングセットを導出できる能力を保持しているか？

主な発見

• 本稿では、シード長 $O(\log n \cdot \log(nw) \cdot \log\log(nw) + \log(1/\varepsilon))$ のPRPDを構築し、Braverman, Cohen, および Garg（STOC'18）の $\widetilde{O}(\log n \cdot \log(nw) + \log(1/\varepsilon))$ のシード長を改善している。
• 誤差 $\varepsilon$ が小さい小さな誤差領域において、$\log\log(1/\varepsilon)$ 要因を削減することで、最適なパフォーマンスを達成している。
• Braverman, Cohen, および Garg の解析および構築と比較して、著しく単純化されており、より透明なフレームワークを提供している。
• ヒッティングセットを導出できる能力を維持しており、PRPDが空間制限付きの確率的還元に有用であるという特徴を保っている。
• 最適なシード長へのギャップを狭めることで、$\mathbf{BPL} = \mathbf{L}$ の予想の解決に近づけた。