[논문 리뷰] Improved Lower Bounds for Approximating Parameterized Nearest Codeword and Related Problems Under ETH

Shuangle Li, Bingkai Lin외 1명|arXiv (Cornell University)|2024. 01. 01.

DNA and Biological Computing인용 수 1

한 줄 요약

이 논문은 Fp 상에서 매개변수화된 최대우도 디코딩 문제(k-MLDp)에 대해 새로운 랜덤화 자기감소 기법을 제안하며, 매개변수 붕괴 k′ = O(k² log k)로 시간 f(k)n^O(1) 내에서 (3/2 − ε)-간격을 달성한다. 랜덤화된 지수시간 가설(ETH) 하에서, 어떤 알고리즘도 f(k) · n^{o(√k / log k)} 시간 내에 k-MLDp(및 그 이중 문제인 k-NCPp)를 (3/2 − ε) 요인 이내로 근사할 수 없음을 증명한다. 이는 이전의 ETH 기반 하한을 k-NCPp, k-MDPp, k-CVPp, k-SVPp 등에 대해 모든 ℓp 노름에서 크게 향상시킨다.

ABSTRACT

In this paper we present a new gap-creating randomized self-reduction for parameterized Maximum Likelihood Decoding problem over $\mathbb{F}_p$ ($k$-MLD$_p$). The reduction takes a $k$-MLD$_p$ instance with $k\cdot n$ vectors as input, runs in time $f(k)n^{O(1)}$ for some computable function $f$, outputs a $(3/2-\varepsilon)$-Gap-$k'$-MLD$_p$ instance for any $\varepsilon>0$, where $k'=O(k^2\log k)$. Using this reduction, we show that assuming the randomized Exponential Time Hypothesis (ETH), no algorithms can approximate $k$-MLD$_p$ (and therefore its dual problem $k$-NCP$_p$) within factor $(3/2-\varepsilon)$ in $f(k)\cdot n^{o(\sqrt{k/\log k})}$ time for any $\varepsilon>0$. We then use reduction by Bhattacharyya, Ghoshal, Karthik and Manurangsi (ICALP 2018) to amplify the $(3/2-\varepsilon)$-gap to any constant. As a result, we show that assuming ETH, no algorithms can approximate $k$-NCP$_p$ and $k$-MDP$_p$ within $γ$-factor in $f(k)n^{o(k^{\varepsilon_γ})}$ time for some constant $\varepsilon_γ>0$. Combining with the gap-preserving reduction by Bennett, Cheraghchi, Guruswami and Ribeiro (STOC 2023), we also obtain similar lower bounds for $k$-MDP$_p$, $k$-CVP$_p$ and $k$-SVP$_p$. These results improve upon the previous $f(k)n^{Ω(\mathsf{poly} \log k)}$ lower bounds for these problems under ETH using reductions by Bhattacharyya et al. (J.ACM 2021) and Bennett et al. (STOC 2023).

연구 동기 및 목표

• 더 약한 ETH 가정 하에서, 더 강력한 Gap-ETH 가정 대신 더 강력한 미세조절된 시간 하한을 도출하기 위해 매개변수화된 근사화된 가까운 코드어 및 관련 코딩 문제에 대해 강력한 시간 하한을 확립하는 것.
• 기존의 ETH 기반 하한과 더 강력한 Gap-ETH 기반 결과 사이의 격차를 메우며, 특히 k-NCPp 및 그 변종에 대해 이를 달성하는 것.
• 이전 연구에서 볼 수 있었던 복잡한 텐서 곱과 매개변수 붕괴를 피하는 더 단순하고 직접적인 감소 기법을 개발하는 것.

제안 방법

• k-MLDp 인스턴스를 (3/2 − ε)-Gap-k′-MLDp 인스턴스로 변환하는 새로운 랜덤화 자기감소 기법을 도입하며, k′ = O(k² log k)로 시간 f(k)n^O(1) 내에서 수행된다.
• 이 감소 기법을 사용해, 랜덤화된 ETH 하에서 어떤 알고리즘도 f(k) · n^{o(√k / log k)} 시간 내에 k-MLDp를 (3/2 − ε) 요인 이내로 근사할 수 없음을 보인다.
• Bhattacharyya 등(ICALP 2018)의 방법을 통해 간격 확대 기법을 적용하여 (3/2 − ε)-간격을 임의의 상수 γ > 1로 확장한다.
• Bennett 등(STOC 2023)의 간격 유지 감소 기법과 새로운 감소 기법을 조합하여, k-MDPp, k-CVPp, k-SVPp에 대한 하한을 모든 ℓp 노름으로 확장한다.
• γ-근사화에 대해 k-NCPp, k-MDPp, k-CVPp, k-SVPp의 하한은 f(k) · n^{o(k^ε)}로, p와 γ에 따라 달라지는 ε > 0 이다.
• 특히 Haviv-Regev의 텐서링 단계에서의 매개변수 붕괴를 분석하고, 새로운 방법이 임계값 그래프 구성 방식을 정밀하게 다룸으로써 과도한 성장 방지를 보여준다.

실험 결과

연구 질문

• RQ1 더 강력한 Gap-ETH 가정 대신 더 약한 ETH 가정 하에서 k-NCPp 및 관련 문제에 대해 상수 요인 근사 불가능성을 달성할 수 있는가?
• RQ2 간격 생성 감소 기법에서의 매개변수 붕괴를 줄여 더 날카로운 시간 하한을 달성할 수 있는가?
• RQ3 h = Ω(k) 이고 m = O(k) 인 강력한 임계값 그래프를 구성할 수 있는가? 이를 통해 감소의 효율성을 향상시킬 수 있는가?
• RQ4 복잡한 텐서 곱을 피하면서도 임의의 상수 요인을 달성할 수 있도록 간격 생성 메커니즘을 단순화할 수 있는가?
• RQ5 ETH 하에서 k-SVPp에 대한 하한을 ℓ1 노름 포함 모든 ℓp 노름으로 확장할 수 있는가?

주요 결과

• 랜덤화된 ETH를 가정할 경우, 어떤 알고리즘도 임의의 ε > 0 에 대해 f(k) · n^{o(√k / log k)} 시간 내에 k-MLDp를 (3/2 − ε) 요인 이내로 근사할 수 없다는 것을 증명한다.
• 새로운 감소 기법은 오직 O(k² log k)의 매개변수 붕괴로 (3/2 − ε)-간격을 달성하며, 이는 이전의 지수적 매개변수 증가보다 향상된 결과이다.
• Bhattacharyya 등이 제안한 방법을 통해 간격을 확대함으로써, k-NCPp 및 k-MDPp가 임의의 상수 요인 γ 내에서 근사 불가능하며, f(k) · n^{o(k^ε)} 시간 내에 근사 불가능함을 보였다. 여기서 ε > 0 은 γ와 p에 따라 달라진다.
• k-CVPp 및 k-SVPp에 대해서도 동일한 하한이 모든 ℓp 노름(p ≥ 1)에 대해 확장되며, p > 1 에서는 k-SVPp 결과가 성립하고, p = 1 일 경우 상수는 2에 수렴한다.
• 이전 결과보다 더 날카로운 하한을 확보하였으며, BBE+21 및 BCGR23의 f(k)n^{Ω(poly log k)} 하한보다 향상되었다.
• 이전 연구에서 볼 수 있었던 복잡한 텐서 곱을 피함으로써, ETH 하에서의 근사 불가능성 결과를 도출하는 더 단순하고 직접적인 경로를 제공한다.