[논문 리뷰] A tighter bound on the number of relevant variables in a bounded degree Boolean function

Jake Wellens|arXiv (Cornell University)|2019. 03. 19.

Complexity and Algorithms in Graphs참고 문헌 4인용 수 4

한 줄 요약

이 논문은 Chiarelli, Hatami, 및 Saks의 $W(f)$-기반 분석을 정교화하여, degree-$d$ 부울 함수에서 관련 변수의 수에 대한 상한을 $6.614 \cdot 2^d$ 에서 $4.416 \cdot 2^d$ 로 향상시켰다. 저자는 저도수 함수에 대해 유한 선형계획법을 활용해 더 타이트한 블록 민감도 상한을 확보하고, 변수 제약 전략을 최적화하여 원래 분석의 여유를 줄였다. 이로 인해 승수 상수에 대해 33% 향상이 이루어졌다.

ABSTRACT

A classical theorem of Nisan and Szegedy says that a boolean function with degree $d$ as a real polynomial depends on at most $d2^{d-1}$ of its variables. In recent work by Chiarelli, Hatami and Saks, this upper bound was improved to $C \cdot 2^d$, where $C = 6.614$. Here we refine their argument to show that one may take $C = 4.416$.

연구 동기 및 목표

• 기존 상한과 알려진 최상의 하한 사이의 격차를 좁히기 위해 degree-$d$ 부울 함수에서 관련 변수의 수에 대한 상한을 개선하는 것.
• 유계 차수 부울 함수의 조인타 크기 $O(2^d)$ 상한에서 승수 상수를 향상시키는 것.
• Chiarelli, Hatami, 및 Saks의 $W(f)$-기반 분석을 더 타이트하고 차수에 특화된 블록 민감도 상한을 사용하여 정교화하는 것.
• 변수 집합을 제약할 때의 선택 전략을 최적화하여 원래의 제약 기반 추론에서 발생하는 여유를 줄이는 것.
• 유한 계산과 구조적 최적화를 통해 상한의 상수를 상당히 감소시킬 수 있음을 보여주는 것.

제안 방법

• 모든 $i \in R(f)$ 에 대해 $W(f) = \sum_{i \in R(f)} 2^{-\deg_i(f)}$ 를 정의하며, 이는 $|R(f)| \leq 2^{\deg(f)} W(f)$ 를 통해 관련 변수의 수를 상한으로 제시한다.
• 선형계획법을 사용하여 $d \leq 14$ 인 모든 경우에 대해 블록 민감도 $\text{bs}(f)$ 의 타이트한 상한을 계산하며, 최악의 경우 $d^2$ 상한을 대체한다.
• 제한된 함수의 차수가 $\leq d-1$ 가 되도록 보장하기 위해 상호배타적인 전도수 단항식의 집합 $H$ 를 구성한다.
• 제약 후 $W(f)$ 에 대해 재귀적 상한을 적용하며, 개선된 $\text{bs}(f)$ 상한을 사용하여 $W(f)$ 의 손실를 제한한다.
• 고차수 단항식을 제약할 경우 블록 민감도가 크게 감소하므로, $W(f)$ 의 기대 감소량을 최소화할 수 있도록 $H$ 의 선택을 최적화한다.
• 최종적으로 얻어진 재귀적 상한을 사용하여 $W^{*} \leq 4.4158$ 를 도출하며, 이는 최종적으로 $4.416 \cdot 2^d$ 개의 관련 변수 상한을 제공한다.

실험 결과

연구 질문

• RQ1 degree-$d$ 부울 함수에 대한 관련 변수 수 상한에서 승수 상수를 $6.614 \cdot 2^d$ 이하로 낮출 수 있는가?
• RQ2 Chiarelli, Hatami, 및 Saks의 원래 $W(f)$-기반 분석에서 남아 있는 여유는 얼마나 되며, 더 타이트한 블록 민감도 상한을 통해 이를 제거할 수 있는가?
• RQ3 모든 degree-$d$ 부울 함수가 최대 $C \cdot 2^d$ 개의 관련 변수를 가질 수 있는 최적의 상수 $C$ 는 얼마인가?
• RQ4 저차수 함수에 대해 수행된 유한 선형계획법이, 블록 민감도와 같은 복잡도 측정치의 전반적 상한을 얼마나 향상시킬 수 있는가?
• RQ5 왜 degree-$d$ 함수의 블록 민감도가 최악의 경우 $d^2$ 상한보다 훨씬 낮은 편인가? 그 이유는 구조적으로 무엇인가?

주요 결과

• 논문은 모든 차수 $d$ 의 부울 함수에 대해 관련 변수 수에 대한 새로운 상한 $4.416 \cdot 2^d$ 를 확립하였다.
• $6.614 \cdot 2^d$ 에서 $4.416 \cdot 2^d$ 로의 향상은 승수 상수에 대해 33% 감소를 의미한다.
• 유한 선형계획법을 사용하여 $1 \leq d \leq 14$ 에 대해 블록 민감도에 대한 타이트한 상한을 계산하였으며, $d=14$ 에서 $\text{bs}(f) \leq 114$ 를 확보하였다.
• 제약 후 $W(f)$ 의 재귀적 분석을 통해 $W(30^2, 30) \leq 4.41571$ 를 도출하였으며, 이는 $W^* \leq 4.4158$ 로 이어진다.
• 원래의 추론에서 최악의 경우 $\text{bs}(f) \leq d^2$ 상한을 $d$-특화된 계산 기반 상한으로 대체함으로써 추론의 여유를 줄였다.
• 결과적으로, 블록 민감도는 이전에 $d^2$ 상한이 포괄한 바와는 달리 조인타 크기의 더 강력한 구조적 제약 조건임을 시사한다.