[論文レビュー] The myth of equidistribution for high-dimensional simulation

Richard P. Brent|arXiv (Cornell University)|May 8, 2010

Chaos-based Image/Signal Encryption参考文献 8被引用数 4

ひとこと要約

この論文は、高次元の擬似乱数生成器（PRNG）において、$(d,w)$-等分布性が望ましい性質であるという仮定に挑戦する。等分布性は、周期性に依存するため、通常は短いシーケンスしか使用しない実際の用途を反映していない。したがって、良好なシミュレーション品質のためには必要でも十分でもない。主な貢献は、現代の長周期PRNGにおいて、等分布性を意味のある評価指標として扱うべきでないことを反証することにある。

ABSTRACT

A pseudo-random number generator (RNG) might be used to generate w-bit random samples in d dimensions if the number of state bits is at least dw. Some RNGs perform better than others and the concept of equidistribution has been introduced in the literature in order to rank different RNGs. We define what it means for a RNG to be (d,w)-equidistributed, and then argue that (d,w)-equidistribution is not necessarily a desirable property.

研究の動機と目的

• 高次元シミュレーションにおけるPRNGの品質を示す指標として広く信じられている$(d,w)$-等分布性が信頼できる指標であるという一般的な信念に挑戦すること。
• 等分布性が現代の長周期PRNGにとって無関係であることを示すこと、特にシーケンスの短い部分集合しか使用しない状況においては顕著である。
• 等分布性テストは計算的に効率的であるが、実際のシミュレーション性能とは相関がないことを主張すること。
• $\Delta$ と $W$ のような既存の評価指標を再評価し、異なる周期を持つ生成器を比較する際にこれらが誤解を招く可能性があることを示すこと。
• 等分布性はシーケンスの順序とは独立しており、実際の応用で求められる時間的・構造的ランダムネスを捉えていないため、不適切であることを強調すること。

提案手法

• $(d,w)$-等分布性を、周期全体にわたり、各辺の長さが $2^{-w}$ の $d$ 次元ハイパーボリュームに同じ数の点が含まれるという性質として定義すること。
• $\mathbb{F}_2$ 上の線形代数を用いて、$\mathbb{F}_2$ 上の線形生成器に対して、行列のランク条件を用いて等分布性をテストすること。
• $N=2^n$ の周期的なシーケンスにおける等分布性の確率を分析し、$n$ が大きい場合には天文学的なほど小さいことを示すこと。
• 実際のシミュレーション要件と照らし合わせて等分布性を検討し、実用的な応用では $M \ll N$ 個の点しか使用しないことを強調すること。
• $\Delta = \max_d \delta_d$ と $W = \sum_d w_d$ のような評価指標を再評価し、異なる周期を持つ生成器の比較においてこれらが不適切であると主張すること。
• RANDU を例に挙げ、$d \geq 3$, $w \geq 4$ の場合に等分布性を満たさないが、周期的かつ決定論的であるにもかかわらず広く使用されていたことの矛盾を示すこと。

実験結果

リサーチクエスチョン

• RQ1 $(d,w)$-等分布性は、高次元PRNGがシミュレーションに適しているための必要条件または十分条件であるか？
• RQ2 等分布性が実際のシミュレーション使用状況と整合性が悪いにもかかわらず、なぜ望ましい性質とみなされてきたのか？
• RQ3 周期長 $N=2^n$ が大きくなるに従い、$(d,w)$-等分布性を達成する確率はどのように変化するか？
• RQ4 全周期にわたる等分布性テストは、実際のシミュレーションでは短いシーケンス部分しか使わないという事実を踏まえて、意味のあるものと見なせるか？
• RQ5 周期が異なるPRNGを比較する際に、$\Delta$ や $W$ のような既存の評価指標は有効であるか？

主な発見

• 周期 $N=2^n$ のランダムな周期的シーケンスが、$(d,w)$-等分布性を満たす確率は、$\frac{\sqrt{2\pi N}}{\exp(N)}$ に近似され、$n$ が大きい（例：$n=4096$）場合には無視できるほど小さい。
• 生成器が $(d,w)$-等分布性を満たしていても、この性質はシーケンスの順序の変更に対して不変であるため、時間的・構造的ランダムネスとは無関係である。
• $dw = n$ のとき、等分布性を達成する方法の数は $N!$ であるが、可能なすべてのシーケンスの数は $N^N$ であるため、実際には等分布性は極めてまれである。
• 現代の長周期PRNG（例：メルセンヌ・ツイスターやXorgens）は、$dw \ll n$ の範囲でしばしば $(d,w)$-等分布性を満たすが、これによりシミュレーション品質が向上するとは限らない。
• $\Delta$ や $W$ のような評価指標は、周期が異なる生成器を比較する際に誤解を招く可能性がある。なぜなら、実際には短い部分シーケンスしか使わないという事実を反映していないからである。
• 等分布性はランダムネスのテストとして信頼できない。なぜなら、完全にランダムなソースは周期的ではないし、周期性そのものがシミュレーションにおける独立性の仮定を損なうからである。