[논문 리뷰] Algorithms for #BIS-hard problems on expander graphs

Matthew Jenssen, Peter Keevash외 1명|arXiv (Cornell University)|2019. 01. 06.

Markov Chains and Monte Carlo Methods인용 수 19

한 줄 요약

이 논문은 유계 차수의 이분할 확산 그래프에서 고순도도 경쟁 모델과 유계 차수의 확산 그래프에서 저온 페로자성 페츠 모델에 대해 처음으로 전역 다항시간 근사계량법(FPTAS)과 효율적인 샘플링 알고리즘을 제시한다. 이 결과들은 이전에 효율적인 알고리즘이 알려지지 않은 무작위 Δ-정규 그래프의 비유일성 영역에서 오랫동안 열려있던 문제를 해결한다. 이는 이소모델 이외에는 알려진 바가 없었다.

ABSTRACT

We give an FPTAS and an efficient sampling algorithm for the high-fugacity hard-core model on bounded-degree bipartite expander graphs and the low-temperature ferromagnetic Potts model on bounded-degree expander graphs. The results apply, for example, to random (bipartite) Δ-regular graphs, for which no efficient algorithms were known for these problems (with the exception of the Ising model) in the non-uniqueness regime of the infinite Δ-regular tree.

연구 동기 및 목표

• 확산 그래프에서 #BIS-어려운 문제에 대한 효율적인 근사 및 샘플링 알고리즘을 개발하기 위해.
• 무작위 Δ-정규 그래프의 비유일성 영역에서 고순도도 경쟁 모델과 저온 페로자성 페츠 모델에 대한 효율적인 알고리즘이 부족한 문제를 해결하기 위해.
• 특히 확산 그래프 구조에서의 모델에 대해 비유일성 영역을 초월한 알고리즘 기법을 확장하기 위해.
• 유계 차수의 확산 그래프, 특히 무작위 Δ-정규 그래프에서 이러한 문제에 대해 첫 번째 FPTAS와 효율적인 샘플링 알고리즘을 제공하기 위해.

제안 방법

• 확산 그래프의 스펙트럼 간격과 확산 성질을 활용하여 효율적인 마르코프 체인 몬테카를로 알고리즘을 설계하기 위해.
• 이분할 확산 그래프에서 고순도도 경쟁 모델의 고순도도 영역에 적합한 상관성 감쇠 기법을 적용하기 위해.
• 국소 이웃 구조에 대한 재귀적 분해와 재귀적 조건화를 통해 분할 함수에 대한 FPTAS를 달성하기 위해.
• 확산 그래프에서 빠른 혼합을 보장하는 새로운 글라우버 다이내믹스를 설계하여 효율적인 샘플링을 확보하기 위해.
• 무한한 Δ-정규 트리에서의 유일성 임계값과 유한한 확산 그래프에서의 알고리즘 타당성 사이의 연결을 수립하기 위해.
• 확산 그래프의 스펙트럼 간격이 마르코프 체인이 정상 상태에 빠르게 수렴하도록 보장함을 증명하기 위해.

실험 결과

연구 질문

• RQ1 유계 차수의 이분할 확산 그래프에서 고순도도 경쟁 모델에 대해 FPTAS를 설계할 수 있는가?
• RQ2 유계 차수의 확산 그래프에서 저온 페로자성 페츠 모델에 대해 효율적인 샘플링이 가능한가?
• RQ3 확산 그래프가 통계역학 모델의 비유일성 영역에서 알고리즘 타당성을 가능하게 하는가?
• RQ4 확산 그래프의 스펙트럼 성질을 활용하여 이러한 모델에서 #BIS-어려움 장벽을 극복할 수 있는가?
• RQ5 이러한 모델의 알고리즘 행동은 무작위 Δ-정규 그래프에서 특히 비유일성 영역에서 어떻게 나타나는가?

주요 결과

• 유계 차수의 이분할 확산 그래프에서 고순도도 경쟁 모델에 대해 FPTAS가 개발되었으며, 분할 함수에 대한 전역 다항시간 근사가 가능해졌다.
• 유계 차수의 확산 그래프에서 저온 페로자성 페츠 모델에 대해 효율적인 샘플링 알고리즘이 구축되었으며, 기반 마르코프 체인의 빠른 혼합이 보장되었다.
• 이전 방법이 일반 Δ-정규 그래프에서 실패한 바와는 달리, 무한한 Δ-정규 트리의 비유일성 영역에서도 알고리즘이 효과적으로 작동한다.
• 결과는 무작위 (이분할) Δ-정규 그래프에 적용되며, 이러한 모델에 대해 오랫동안 열려있던 문제를 해결한다.
• 확산 그래프의 스펙트럼 간격이 고순도도 및 저온 영역에서도 빠른 혼합과 효율적인 근사를 보장하는 데 충분함을 입증하였다.
• 확산 그래프에서 #BIS-어려운 문제에 대한 새로운 알고리즘 프레임워크를 수립하였으며, 이는 유일성 임계값을 초월하여 확장된다.