[논문 리뷰] Does robustness imply tractability? A lower bound for planted clique in the semi-random model

Jacob Steinhardt|arXiv (Cornell University)|2017. 04. 17.

Random Matrices and Applications참고 문헌 15인용 수 7

한 줄 요약

이 논문은 반무작위 모델에서 식별된 클리크 문제에 대해 정보이론적 하한을 날카롭게 설정하며, √n 이하인 클리크의 복원이 불가능함을 보여주고, 이는 표준 모델에서 추측되는 계산 임계점 √n 과 일치한다. 이 결과는 식별성의 강건성이 식별된 클리크 문제에서 전통적인 계산-통계 간 격차를 제거할 수 있음을 시사한다.

ABSTRACT

We consider a robust analog of the planted clique problem. In this analog, a set $S$ of vertices is chosen and all edges in $S$ are included; then, edges between $S$ and the rest of the graph are included with probability $\frac{1}{2}$, while edges not touching $S$ are allowed to vary arbitrarily. For this semi-random model, we show that the information-theoretic threshold for recovery is $ ildeΘ(\sqrt{n})$, in sharp contrast to the classical information-theoretic threshold of $Θ(\log(n))$. This matches the conjectured computational threshold for the classical planted clique problem, and thus raises the intriguing possibility that, once we require robustness, there is no computational-statistical gap for planted clique. Our lower bound involves establishing a result regarding the KL divergence of a family of perturbed Bernoulli distributions, which may be of independent interest.

연구 동기 및 목표

• 강건성이 식별된 클리크 모델에서 전통 모델에서 관찰된 계산-통계 격차를 제거하는지 조사하기 위해.
• 비클리크 간선이 적대적으로 흔들리는 반무작위 모델에서 클리크 복원에 대한 정보이론적 하한을 설정하기 위해.
• 하한을 유도하기 위해 변형된 이산형 분포의 KL 발산을 분석하기 위해.
• 반무작위 모델에서의 정보이론적 임계점과 표준 모델에서의 계산 임계점 간 비교를 위해.
• 강건 모델이 통계적 및 계산적 임계점의 일치를 이끌어내는지 평가하기 위해.

제안 방법

• 클리크 내 간선는 고정되고, 클리크와 비클리크 정점 간 간선는 p=1/2 확률로 무작위화되며, 비클리크 간선는 적대적으로 선택되는 반무작위 모델을 제안한다.
• 인접행렬에 대한 분포 간 발산을 분해하기 위해 KL 발산의 사슬 법칙을 사용한다.
• 푸리에 분석과 모멘트 매칭을 활용한 새로운 방법으로 변형된 이산형 분포 가족 간 KL 발산에 대한 경계를 적용한다.
• 변형 분포의 푸리에 계수 S(J)와 T(J)의 차이와 KL 발산을 연결하는 핵심 부등식을 유도한다.
• 초기하분포 尾 확률 및 이항 근사법을 사용해 발산 분석에서 오차 항을 제어한다.
• 합집합이 큰 클리크가 근본 모델 하에서 존재할 가능성이 낮음을 보이기 위해 유니온 바운드와 확률적 추론을 활용한다.

실험 결과

연구 질문

• RQ1 식별된 클리크 모델에서 강건성 요구 조건이 계산-통계 격차를 메울 수 있는가?
• RQ2 반무작위 모델에서 정확한 복원에 대한 정보이론적 임계점은 무엇인가?
• RQ3 변형된 분포 간 KL 발산은 클리크 크기와 변형 매개변수에 따라 어떻게 척도가 되는가?
• RQ4 클래식 모델에서의 계산 임계점 √n 이 강건 모델에서 정보이론적 하한으로 달성될 수 있는가?
• RQ5 클래식 모델과 반무작위 모델 간 복원 가능성에 본질적인 차이가 존재하는가?

주요 결과

• 반무작위 모델에서 정확한 복원에 대한 정보이론적 임계점은 ω(√(n log n))이며, 이는 표준 모델에서 추측되는 계산 임계점 √n 과 일치한다.
• 반무작위 모델에서 크기가 o(√n)인 클리크의 근사적 복원은 정보이론적으로 불가능하다.
• 하한은 변형된 이산형 분포 간 KL 발산에 대한 새로운 분석을 통해 확립되었으며, 이는 별도의 관심사로도 여겨질 수 있다.
• 결과는 강건성이 식별된 클리크 문제에서 통계적 및 계산적 한계 간의 지수적 격차를 제거할 수 있음을 시사한다.
• 이 모델에서 복원에 대한 최고의 알려진 상한은 Õ(n^{2/3})이며, √n 대비 n^{2/3}의 격차는 고전적 모델의 log n 대비 √n 격차보다 훨씬 작다.
• 분석 결과 표준 히وري스틱 기법인 최대 차수 방법이 반무작위 모델에서 실패함을 보여주며, 이는 강건 알고리즘의 필요성을 정당화한다.