[論文レビュー] Smoothing Brascamp-Lieb Inequalities and Strong Converses for Common Randomness Generation

Jingbo Liu, Thomas A. Courtade+2 more|arXiv (Cornell University)|Feb 6, 2016

Diffusion and Search Dynamics参考文献 15被引用数 3

ひとこと要約

本稿は、滑らかなブラスキャンプ＝リーブ不等式と一般化された共通ランダムネス（CR）生成の間に双対性を確立し、関数不等式から導かれる1ショットの逆問題を活用することで、離散的およびガウス的設定下でのCR生成に対して強い逆定理を証明する。主な貢献は、補助確率変数を含む連続的ソースに対して、初めての強い逆定理を達成したことである。これは、積分布に近い測度の上でのブラスキャンプ＝リーブ定数の滑らか化という、新規の滑らか化技術により実現された。この技術により、漸近的極限で相互情報量の境界に収束する。

ABSTRACT

We study the infimum of the best constant in a functional inequality, the Brascamp-Lieb-like inequality, over auxiliary measures within a neighborhood of a product distribution. In the finite alphabet and the Gaussian cases, such an infimum converges to the best constant in a mutual information inequality. Implications for strong converse properties of two common randomness (CR) generation problems are discussed. In particular, we prove the strong converse property of the rate region for the omniscient helper CR generation problem in the discrete and the Gaussian cases. The latter case is perhaps the first instance of a strong converse for a continuous source when the rate region involves auxiliary random variables.

研究の動機と目的

• 滑らかなブラスキャンプ＝リーブ不等式と共通ランダムネス（CR）生成問題との間に双対性を確立すること。
• 離散的およびガウス的無記憶ソースにおけるCR生成の強い逆定理を証明すること。
• タイプの方法に依存しない1ショットの逆問題を導く手法を開発すること、特に連続的ソースに対して有効であるようにすること。
• 積分布に近い測度の上でのブラスキャンプ＝リーブ不等式の最良定数を滑らか化することで、漸近的極限において相互情報量型の境界が得られることを示すこと。
• 強い逆定理の適用範囲を確率的エンコーダおよびデコーダを含む問題に拡張し、2次漸近的境界を導出すること。

提案手法

• 積分布の全 Variation ネighborhood 内の補助測度の上での最良定数を最小化することにより、一般化ブラスキャンプ＝リーブ（GBLL）不等式の滑らか化版を導入する。
• GBLL 不等式を1ショットのCR生成に適用し、デコーディング集合を示す関数を用いて、生成された鍵の分布と一様分布との間の全 Variation 界を導出する。
• CR生成の達成可能性と滑らかな BLL 逆問題の双対性を用いて、CR生成の達成可能性が滑らかな BLL 定数の下界を示すことを証明する。
• 1ショットの逆問題境界（定理20）を用い、鍵の分布が一様からどれほど逸脱しているかを滑らかなブラスキャンプ＝リーブ定数と結びつける。
• ガウス的ケースにおける解析を精緻化し、漸近的レート領域からのバックオフを定数項で表す2次逆問題境界を導出する。
• 滑らか化された測度上でのGBLL定数の下界が、正則性条件の下で漸近的極限において相互情報量に基づく定数に収束することを示す。

実験結果

リサーチクエスチョン

• RQ1 補助確率変数を含む連続的無記憶ソースにおける共通ランダムネス生成の強い逆定理を証明できるか？
• RQ2 滑らか化されたブラスキャンプ＝リーブ不等式の最良定数の下界が、漸近的領域で相互情報量に基づく表現に収束するか？
• RQ3 CR生成と滑らかなブラスキャンプ＝リーブ不等式の双対性を用いて、タイプの方法に依存せずに強い逆定理を導出できるか？
• RQ4 ガウス的ケースにおいて、CR生成の2次漸近的挙動は、滑らかなブラスキャンプ＝リーブ定数とどのように関係するか？
• RQ5 提案手法は、タイプの方法に比べて確率的エンコーダおよびデコーダを扱えるか？

主な発見

• 補助確率変数を含む場合でも、オムニスチエントヘルパーを伴う共通ランダムネス生成問題について、離散的およびガウス的両ケースで強い逆定理が成立する。
• 正則性条件の下で、滑らかなブラスキャンプ＝リーブ定数は漸近的極限において相互情報量に基づく定数に収束し、これにより強い逆定理の証明が可能になる。
• 本手法は確率的エンコーダおよびデコーダにも適用可能であり、タイプの方法の制限を超える。
• ガウス的ケースでは、2次逆問題境界が導出され、漸近的レート領域からのバックオフが滑らかな BLL 定数を含む定数項によって有界であることが示された。
• CR生成と滑らかな BLL 間の双対性が確立された：CR生成の達成可能性は滑らかな BLL 定数の下界を示し、逆もまた成り立つ。
• 本稿は、補助変数を含む連続的ソースに対する初めての強い逆定理を提供し、ネットワーク情報理論分野における顕著な前進をもたらした。