[論文レビュー] Strongly Exponential Separation Between Monotone VP and Monotone VNP

Srikanth Srinivasan|arXiv (Cornell University)|Mar 5, 2019

Complexity and Algorithms in Graphs参考文献 17被引用数 4

ひとこと要約

この論文は、単調なVPと単調なVNPの間で強く指数的な分離を確立する。単調なVNPに属する明示的な多変数多項式の系列を構築し、それらを計算する単調な代数的回路が $2^{\Omega(n)}$ のサイズを必要とすることを示している。証明は、単調な回路複雑性と通信複雑性の間の関係を活用し、多項式分解における係数の期待値の確率的解析を用いて下界を導出する。

ABSTRACT

We show that there is a sequence of explicit multilinear polynomials $P_n(x_1,\ldots,x_n)\in \mathbb{R}[x_1,\ldots,x_n]$ with non-negative coefficients that lies in monotone VNP such that any monotone algebraic circuit for $P_n$ must have size $\exp(Ω(n)).$ This builds on (and strengthens) a result of Yehudayoff (2018) who showed a lower bound of $\exp( ildeΩ(\sqrt{n})).$

研究の動機と目的

• 明示的な多項式の単調な代数的回路に対する指数的下界を証明することで、単調なVP対VNP問題を解決すること。
• Yehudayoffが示した $\exp(\tilde{\Omega}(\sqrt{n}))$ の下界を、強く指数的な下界へと強化すること。
• 特定の多変数多項式が単調なVNPに属するが、小さな単調な回路では計算できないことを示し、クラスを分離すること。
• 多項式分解を通じて、単調な回路複雑性とマルチパーティション通信複雑性のタイトな関係を確立すること。

提案手法

• 多項式分解 $P = \sum_{i=1}^s g_i h_i$ における非負の積項の数と単調な代数的回路サイズの関係を特徴づける。ここで $g_i$ と $h_i$ は非負であり、互いに変数集合が不交和である。
• 多項式のサポートをマルチパーティション通信複雑性モデルに関連させることで、回路下界問題を通信複雑性問題に還元する。
• 変数の部分集合を生成する確率的モデル $M$ を定義し、特定の構造的イベント $\mathcal{E}_{i,j,k}$ を条件としたもとでの $gh$ の項の期待係数値を分析する。
• 三重組 $(i,j,k)$ を、イベント $\mathcal{E}_{i,j,k}$ の確率に基づき、軽量（light）または重い（heavy）に分類し、それぞれのケースごとに期待係数寄与を別々に評価する。
• ベイズの定理と尾確率不等式を用いて、重いケースの期待係数を制御し、集中不等式を用いて誤差項の指数的減衰を示す。
• 軽量と重いケースの評価を組み合わせることで、全体の期待係数が $\exp(-\Omega(n))$ に比例する基底項の倍数であることを示し、最終的な下界を得る。

実験結果

リサーチクエスチョン

• RQ1 単調な代数的回路が明示的な多変数多項式を計算する場合、強く指数的な下界を証明できるか？
• RQ2 多項式のサポート構造がその分解における非負の積項の数を制限するのか？ そして、これは通信複雑性と結びつけることができるか？
• RQ3 確率的変数分割における係数期待値の解析は、タイトな回路サイズ下界を導くことができるか？
• RQ4 従来の下界がVNPへの属さないことをも同時に排除するという制限を避ける構成を用いて、単調なVPと単調なVNPを分離することは可能か？
• RQ5 変数分割の構造的性質（例：集合のサイズやエッジの数）は、多項式分解における係数の大きさにどのように影響するか？

主な発見

• 非負の係数を持つ明示的な多変数多項式の系列 $P_n$ が単調なVNPに属する。
• 任意の単調な代数的回路が $P_n$ を計算するには、サイズが少なくとも $2^{\Omega(n)}$ 必要である。これにより強く指数的な分離が確立される。
• 下界は、$P_n$ を非負の積項に分解する分析とマルチパーティション通信複雑性への関連付けを通じて証明される。
• 証明は、多項式項における期待係数値を評価する確率的メソッドを用い、まれ（重い）と一般的（軽い）な構成の違いを区別する。
• 重い構成の場合、期待係数寄与が指数的に減少することを示し、全体の期待係数が $\exp(-\Omega(n))$ に比例する基底項の倍数であることを導く。
• Yehudayoffの $\tilde{\Omega}(\sqrt{n})$ の下界を改善し、単調な回路複雑性における古典的下界の強度に一致する。