[논문 리뷰] Group testing and local search: is there a computational-statistical gap?

Fotis Iliopoulos, Ilias Zadik|arXiv (Cornell University)|2020. 11. 10.

SARS-CoV-2 detection and testing참고 문헌 54인용 수 4

한 줄 요약

이 논문은 비적응형 베르누이 군집 테스팅에서 정확한 복구를 위한 계산-통계 갭이 존재하는지 조사한다. 일차모멘트 방법과 국소 탐색 분석을 사용하여, 어려운 영역에서 중첩 갭 성질(OGP) 단계 전이가 발생하지 않음을 보이며, 악성 국소 최솟값의 부재를 증명하고, 간단한 국소 알고리즘인 글로버 다이내믹스가 이론적으로 최적의 가장 작은 만족 집합(SSI) 추정기 구현에 성공한다는 강력한 경험적 증거를 제공한다.

ABSTRACT

In this work we study the fundamental limits of approximate recovery in the context of group testing. One of the most well-known, theoretically optimal, and easy to implement testing procedures is the non-adaptive Bernoulli group testing problem, where all tests are conducted in parallel, and each item is chosen to be part of any certain test independently with some fixed probability. In this setting, there is an observed gap between the number of tests above which recovery is information theoretically (IT) possible, and the number of tests required by the currently best known efficient algorithms to succeed. Often times such gaps are explained by a phase transition in the landscape of the solution space of the problem (an Overlap Gap Property phase transition). In this paper we seek to understand whether such a phenomenon takes place for Bernoulli group testing as well. Our main contributions are the following: (1) We provide first moment evidence that, perhaps surprisingly, such a phase transition does not take place throughout the regime for which recovery is IT possible. This fact suggests that the model is in fact amenable to local search algorithms ; (2) we prove the complete absence of "bad" local minima for a part of the "hard" regime, a fact which implies an improvement over known theoretical results on the performance of efficient algorithms for approximate recovery without false-negatives, and finally (3) we present extensive simulations that strongly suggest that a very simple local algorithm known as Glauber Dynamics does indeed succeed, and can be used to efficiently implement the well-known (theoretically optimal) Smallest Satisfying Set (SSS) estimator.

연구 동기 및 목표

• 비적응형 베르누이 군집 테스팅에서 정확한 복구에 대해 계산-통계 갭이 존재하는지 확인하는 것.
• 정보 이론적 한계와 효율적 알고리즘 성능 사이의 관측된 갭이, 솔루션 공간의 단계 전이(예: 중첩 갭 성질(OGP)) 때문인지 조사하는 것.
• 국소 탐색 알고리즘의 적합성 평가를 위해 군집 테스팅 문제의 최적화 지형을 분석하는 것.
• 글로버 다이내믹스와 같은 간단한 국소 알고리즘이 최적의 SSI 추정기 구현에 얼마나 효과적으로 기여하는지 평가하는 것.
• 정보 이론적 가능성과 알고리즘 효율성 사이의 갭이 달성될 수 있음을 이론적 및 경험적 증거로 제시하는 것.

제안 방법

• 해결 공간 분석을 위해 일차모멘트 방법을 사용하여, 어려운 영역에서 중첩 갭 성질(OGP) 단계 전이가 존재하지 않음을 뒷받침하는 증거를 제공한다.
• 어려운 영역의 일부에서 '악성' 국소 최솟값이 완전히 부재함을 증명하여, 국소 탐색에 유리한 최적화 지형임을 시사한다.
• 군집 테스팅 문제에서 복구 성능을 시뮬레이션하기 위해 알려진 글로버 다이내믹스라는 국소 탐색 알고리즘을 활용한다.
• 가장 작은 만족 집합(SSI) 추정기의 이론적 성질을 분석하고, 국소 탐색을 통한 구현 가능성에 대해 조사한다.
• 다양한 매개변수 영역에서 글로버 다이내믹스의 성공률을 평가하기 위해 광범위한 시뮬레이션을 수행한다.
• 오차 확률을 구속하고 수렴성을 평가하기 위해 지수 및 로그 항을 포함한 복잡한 분석 표현식을 유도하고 분석한다.

실험 결과

연구 질문

• RQ1 비적응형 베르누이 군집 테스팅의 솔루션 공간에서 정확한 복구가 정보 이론적으로 가능할 영역에서 중첩 갭 성질(OGP) 단계 전이가 발생하는가?
• RQ2 글로버 다이내믹스와 같은 국소 탐색 알고리즘이 군집 테스팅의 어려운 영역에서 병렬된 품목을 성공적으로 복구할 수 있는가?
• RQ3 군집 테스팅의 계산-통계 갭이 솔루션 공간 내의 허수 국소 최솟값 또는 기타 구조적 장애물 때문인가?
• RQ4 이론적으로 최적인 가장 작은 만족 집합(SSI) 추정기를 얼마나 효율적으로 단순한 국소 탐색 방법으로 실행할 수 있는가?
• RQ5 정보 이론적 임계값과 효율적 국소 알고리즘의 성능 사이의 관계는 무엇인가?

주요 결과

• 일차모멘트 증거에 따르면, 정확한 복구가 정보 이론적으로 가능할 영역에서 중첩 갭 성질(OGP) 단계 전이가 발생하지 않음을 보이며, 이는 문제의 국소 탐색에 적합함을 시사한다.
• 논문은 어려운 영역의 일부에서 '악성' 국소 최솟값이 완전히 부재함을 증명하여, 국소 탐색 알고리즘에 대해 향상된 이론적 보장을 의미한다.
• 광범위한 시뮬레이션을 통해 글로버 다이내믹스—간단한 국소 알고리즘—이 정확한 복구를 위한 이론적으로 최적의 가장 작은 만족 집합(SSI) 추정기를 성공적으로 구현함을 보여준다.
• 결과는 비적응형 베르누이 군집 테스팅에서 계산-통계 갭이 닫힐 수 있음을 시사하며, 정보 이론적 한계보다 훨씬 많은 테스트가 필요하다는 가정을 도전한다.
• 연구 결과는 국소 탐색 기반 실용적 알고리즘이 분기 및 바운드 또는 선형 프로그래밍 근사와 같은 기존 방법보다 단순성과 효율성 측면에서 뛰어날 수 있음을 시사한다.
• 분석 결과, 제안된 조건 하에서 정확한 복구의 오차 확률이 점점 더 거의 확실히 0으로 수렴함을 확인하여, 이 설정에서 국소 탐색의 효과성을 검증한다.