[論文レビュー] Term Coding and Dispersion: A Perfect-vs-Rate Complexity Dichotomy for Information Flow

Søren Riis|arXiv (Cornell University)|Feb 8, 2026

Complexity and Algorithms in Graphs被引用数 0

ひとこと要約

論文は term coding と dispersion を導入し、鋭い複雑さの二分法を証明する：r≥3 のとき厳密な perfect dispersion は決定不能で、dispersion exponent は max-flow/min-cut 構成によって多項式時間計算可能である。

ABSTRACT

We introduce a new framework term coding for extremal problems in discrete mathematics and information flow, where one chooses interpretations of function symbols so as to maximise the number of satisfying assignments of a finite system of term equations. We then focus on dispersion, the special case in which the system defines a term map $Θ^\mathcal I:\A^k\to\A^r$ and the objective is the size of its image. Writing $n:=|\A|$, we show that the maximum dispersion is $Θ(n^D)$ for an integer exponent $D$ equal to the guessing number of an associated directed graph, and we give a polynomial-time algorithm to compute $D$. In contrast, deciding whether \emph{perfect dispersion} ever occurs (i.e.\ whether $\Disp_n(\mathbf t)=n^r$ for some finite $n\ge 2$) is undecidable once $r\ge 3$, even though the corresponding asymptotic rate-threshold questions are polynomial-time decidable.

研究の動機と目的

• 離散数学と情報の流れにおける極値問題の統一フレームワーク（Term Coding）を、関数記号の解釈を満たす割り当てを最大化するように選択して構築する。
• 自然で扱いやすい部分問題として dispersion を分離し、その計算複雑性のギャップを研究する。
• dispersion を guessing numbers とグラフベースのエントロピーに関連づけて、組合せ的分析を可能にする。
• CS寄りの設定で term-defined information flow を推論する前処理とグラフベースのツールを提供する。）

提案手法

• term-coding のインスタンスを展開した部分項と多様化された記号を用いて標準形に変換する。
• 衝突のない関数的標準形（CFNF）を得る前処理パイプラインを用い、依存グラフを構築する。
• dispersion のインスタンスを依存グラフ上の推測ゲームに結びつける（diversification を用いた推測数のサンドイッチ）。
• CFNF dispersion に対して、最大像サイズを max-flow/min-cut 形式で上限付けできることを証明し、dispersion exponent D(t) を定義する。
• diversification により S_n(Γ) ≤ S_n(Γ_div) の上界を与え、n ≥ v のとき対応する下界 S_n(Γ) ≥ S_m(Γ_div) with m = ⌊n/v⌋ を得て、S_n を Guess(G_Γ, Src(Γ); n) に結びつける。
• dispersion 内に鋭い複雑さの二分法を示す：perfect dispersion は r ≥ 3 のとき決定不能だが、dispersion exponent は多項式時間で計算可能である。

実験結果

リサーチクエスチョン

• RQ1 term-coding における満たされる割り当ての最大数を特徴づけ、効率的に計算できるか。
• RQ2 term coding における像サイズ目的として dispersion はどう振る舞い、グラフベースの不変量で漸近的な速度を捉えられるか。
• RQ3 dispersion exponent D(t) を多項式時間で計算する方法はあるか、max-flow/min-cut の証明を伴うか。
• RQ4 perfect dispersion の存在は決定可能性を持つか、出力のアリティ r によってどう変わるか。
• RQ5 前処理（標準形、商化、diversification） が複雑さや推測ゲームとの関係にどう影響するか。

主な発見

• dispersion exponent D(t) は存在し、整数であり、補助的ネットワークからの max-flow/min-cut 構築によって多項式時間で計算可能である。
• perfect dispersion（Disp_n(t)=n^r がある n≥2 で成り立つ）は r≥3 のとき決定不能である一方、関連する rate-threshold 問題の多項式時間決定性は成立する。
• diversification は term coding と依存グラフ上の推測ゲームの間に計算的に意味のある橋渡しを提供し、エントロピーおよびグラフベースの分析を可能にする。
• 元の dispersion 問題と diversified インスタンスをつなぐ両側のサンドイッチ境界が、漸近的成長率を保持しつつ組合せ的推論を可能にする。
• 前処理パイプライン（標準形、商化、diversification、関数的標準形）は解析に適したコンパクトなグラフベース表現を生み出す。
• CFNF と diversification の枠組みは dispersion を依存グラフ上の推測ゲームと同等にし、max-flow/min-cut の視点を正当化する。