[論文レビュー] Shared Randomness Helps with Local Distributed Problems

Alkida Balliu, Mohsen Ghaffari+6 more|arXiv (Cornell University)|Jul 7, 2024

Optimization and Search Problems被引用数 1

ひとこと要約

この論文は、分散環境におけるローカルに検証可能なラベリング（LCL）問題 Π において、共有ランダムネスがラウンド複雑性を指数関数的に削減できることを示している。プライベートランダムネスでは Ω(√n) ラウンドを要するが、共有ランダムネスを用いることで O(log n) ラウンドで解決可能である。この結果は、長年の未解決問題を解消し、共有ランダムネスが特定のLCL問題において単なる便宜的支援ではなく、必須であることを示している。また、量子的・古典的・確率的計算モデルの間の分離を確立している。

ABSTRACT

By prior work, we have many results related to distributed graph algorithms for problems that can be defined with local constraints; the formal framework used in prior work is locally checkable labeling problems (LCLs), introduced by Naor and Stockmeyer in the 1990s. It is known, for example, that if we have a deterministic algorithm that solves an LCL in $o(\log n)$ rounds, we can speed it up to $O(\log^*n)$ rounds, and if we have a randomized $O(\log^*n)$ rounds algorithm, we can derandomize it for free. It is also known that randomness helps with some LCL problems: there are LCL problems with randomized complexity $Θ(\log\log n)$ and deterministic complexity $Θ(\log n)$. However, so far there have not been any LCL problems in which the use of shared randomness has been necessary; in all prior algorithms it has been enough that the nodes have access to their own private sources of randomness. Could it be the case that shared randomness never helps with LCLs? Could we have a general technique that takes any distributed graph algorithm for any LCL that uses shared randomness, and turns it into an equally fast algorithm where private randomness is enough? In this work we show that the answer is no. We present an LCL problem $Π$ such that the round complexity of $Π$ is $Ω(\sqrt n)$ in the usual randomized \local model with private randomness, but if the nodes have access to a source of shared randomness, then the complexity drops to $O(\log n)$. As corollaries, we also resolve several other open questions related to the landscape of distributed computing in the context of LCL problems. In particular, problem $Π$ demonstrates that distributed quantum algorithms for LCL problems strictly benefit from a shared quantum state. Problem $Π$ also gives a separation between finitely dependent distributions and non-signaling distributions.

研究の動機と目的

• 分散システムにおけるローカルに検証可能なラベリング（LCL）問題に対して、共有ランダムネスが計算的利点をもたらすかどうかを調査すること。
• プライベートランダムネスが達成可能な範囲を超えて、共有ランダムネスが実際に必要となるLCL問題が存在するかどうかを特定すること。
• 共有ランダムネスのパワー、有限依存分布、非信号伝播分布に関して未解決であった問題を解消すること。
• LOCALモデルにおける、プライベートランダムネスと共有ランダムネスを用いた古典的ランダム化アルゴリズムの間の分離を確立すること。

提案手法

• 特定のローカル制約をもつグリッド構造のグラフ上で定義されたLCL問題 Π を構築する。
• プライベートランダムネスを用いたLOCALモデルにおいて、左端列と右端列のノード同士の独立性に基づく確率的議論により、Π を解く任意のアルゴリズムが Ω(√n) ラウンドを要することを証明する。
• 共有ランダムネスを用いることで、遠く離れたノード間の出力を共通のランダムストリングを用いて調整するランダム化アルゴリズムが O(log n) ラウンドで Π を解けることを示す。
• 有界依存性およびオンライン-LOCALモデルを用いて下界を確立し、より強い仮定下でも複雑性のギャップが維持されることを示す。
• 問題 Π を用いて、量子アルゴリズムおよび分布的モデルへの影響を導出し、プライベートランダムネスでは達成できない利点が共有ランダムネスによって実現可能であることを示す。
• 和集合の上限・下限評価に用いる組合せ論的および確率的議論（特に和集合の不等式および集中不等式）を用い、敵対的状況下での成功確率の上限・下限を評価する。

実験結果

リサーチクエスチョン

• RQ1 LOCALモデルにおいて、共有ランダムネスがプライベートランダムネスよりも超多項式的スピードアップをもたらすLCL問題は存在するか？
• RQ2 共有ランダムネスが、あるLCL問題を解くために必須である場合があるのか、それとも常にプライベートランダムネスで十分なのか？
• RQ3 このような問題の存在が、分散計算における有限依存分布と非信号伝播分布の間の分離を示唆するか？
• RQ4 分散量子アルゴリズムがLCL問題を解く際に、共有量子状態が古典的アルゴリズムでは達成できない方法で利点をもたらすか？
• RQ5 LCLアルゴリズムにおいて共有ランダムネスの必要性を排除する一般化されたデランダマイズ技術は存在するか？

主な発見

• プライベートランダムネスを用いたLOCALモデルにおいて、LCL問題 Π は Ω(√n) ラウンドを要する。
• 共有ランダムネスを用いることで、同じ問題 Π は O(log n) ラウンドで解ける。これは指数的スピードアップを示している。
• 問題 Π は、分散計算における有限依存分布と非信号伝播分布の間の分離を確立している。
• 問題 Π は、分散量子アルゴリズムがLCL問題を解く際に、共有量子状態から厳密に利点を得ることを示しており、古典的アルゴリズムでは共有ランダムネスがなければ同様の効率性は達成できないことを示している。
• この結果は、共有ランダムネスが特定のLCL問題において単なる便宜的支援ではなく、必須であることを示しており、従来の直観（プライベートランダムネスで十分）を覆している。
• 下界は、決定的オンライン-LOCALモデルや有界依存性モデルといったより強いモデル下でも成立し、複雑性ギャップの堅牢性を確認している。