[논문 리뷰] Algorithms versus Circuit Lower Bounds

Igor Carboni Oliveira|arXiv (Cornell University)|2013. 09. 01.

Complexity and Algorithms in Graphs참고 문헌 56인용 수 15

한 줄 요약

이 종합 검토는 비자명한 회로 클래스에 대한 알고리즘과 무조건적 회로 하한 사이의 깊은 연결을 수립하며, ACC나 TC⁰ 같은 클래스에 대해 더 빠른 만족 가능성, 학습, 압축 또는 결정론적 알고리즘을 통해 NEXP가 그 클래스의 다항식 크기의 회로로 계산될 수 없음을 암시한다. 핵심 기여는 알고리즘적 진전이 하한으로 어떻게 번역되는지를 형식화하기 위해 '유용한 성질'을 사용한 통합 프레임워크를 제공하는 것이다.

ABSTRACT

Different techniques have been used to prove several transference theorems of the form "nontrivial algorithms for a circuit class C yield circuit lower bounds against C". In this survey we revisit many of these results. We discuss how circuit lower bounds can be obtained from derandomization, compression, learning, and satisfiability algorithms. We also cover the connection between circuit lower bounds and useful properties, a notion that turns out to be fundamental in the context of these transference theorems. Along the way, we obtain a few new results, simplify several proofs, and show connections involving different frameworks. We hope that our presentation will serve as a self-contained introduction for those interested in pursuing research in this area.

연구 동기 및 목표

• 비자명한 알고리즘이 회로 하한을 이끌어내는 데 있어 기존의 전환 정리들을 통합하고 단순화하는 것.
• 다양한 알고리즘 프레임워크 간의 공통 개념으로서 '유용한 성질'의 역할을 명확히 하는 것.
• Williams의 SAT 알고리즘을 통한 NEXP ⊈ ACC 하한을 포함한 핵심 결과의 완전한 증명을 제시하는 것.
• 알고리즘적 진전을 더 강력한 회로 하한으로 확장하기 위한 열린 문제와 연구 방향을 규명하는 것.

제안 방법

• 회로 클래스 내부의 함수와 외부의 함수를 구분할 수 있는 성질인 '유용한 성질'의 개념을 사용하여 전환 정리를 형식화한다.
• 회로 클래스 C에 대한 만족 가능성 알고리즘이 C에 대해 유용한 성질의 존재를 암시함을 보이며, 이는 SAT 알고리즘이 비자명할 경우 NEXP ⊈ C[poly]를 이끌어낸다.
• 이 프레임워크를 SAT 알고리즘, 학습 알고리즘, 압축, 결정론화 등 다양한 알고리즘 설정에 적용한다.
• C[poly]에 대해 랜덤화된 초지수 시간 학습 알고리즘이 C에 대해 유용한 (의미 있는) coRP 성질을 제공함을 보인다.
• 유용한 성질의 존재를 바탕으로 대각선화와 계층 정리법을 통해 회로 하한을 도출한다.
• Fortnow-Klivans 및 Kabanets-Impagliazzo와 같은 기존 결과들을 유용한 성질 프레임워크를 사용해 단순화하고 재증명한다.

실험 결과

연구 질문

• RQ1 회로 클래스 C에 대해 비자명한 만족 가능성 알고리즘이 NEXP가 C[poly]에 포함되지 않음을 암시할 수 있는가?
• RQ2 유용한 성질이 학습, 압축, SAT, 결정론화 등 다양한 알고리즘 프레임워크 간의 통합 메커니즘으로서 어떻게 작용하는가?
• RQ3 C[poly]에 대해 초지수 시간 랜덤화 학습 알고리즘이 C에 대한 회로 하한을 이끌어낼 수 있는가?
• RQ4 효율적 압축 또는 결정론화로부터 유도할 수 있는 가장 강력한 회로 하한은 무엇인가?
• RQ5 전환 원리(전이 원리)를 확장하여 P ⊈ ACC 또는 NEXP ⊈ P/poly를 무조건적으로 증명할 수 있는가?

주요 결과

• ACC에 대해 비자명한 SAT 알고리즘(시간 2^n / s(n), s(n) ≫ poly(n))이 존재할 경우 NEXP ⊈ ACC[poly]임을 암시하며, 이는 이 하한에 대한 첫 번째 무조건적 증명이 된다.
• C[poly]에 대해 랜덤화된 초지수 시간 학습 알고리즘이 존재할 경우 C에 대해 유용한 (의미 있는) coRP 성질이 존재함을 암시한다.
• 유용한 성질이 근본적인 역할을 한다는 것이 입증되었으며, 이는 SAT 알고리즘, 학습, 압축, 결정론화의 결과들을 하나의 개념적 프레임워크로 통합한다.
• 이 프레임워크는 손실 압축이나 결정론화와 같은 복잡하거나 간접적인 알고리즘적 진전조차도 회로 하한을 이끌어낼 수 있음을 보여준다.
• 이 종합 검토는 유용한 성질 프레임워크를 사용하여 핵심 결과들, 특히 Williams의 NEXP ⊈ ACC 결과의 단순화되고 완전한 증명을 제공한다.
• 깊이 d+1 대비 깊이 d 회로 클래스로의 전환 정리 확장 및 P ⊈ ACC를 무조건적으로 증명하는 것과 같은 열린 문제들을 규명한다.