[논문 리뷰] Learning Simplicial Complexes from Persistence Diagrams

Robin Belton, Brittany Terese Fasy외 7명|arXiv (Cornell University)|2018. 05. 27.

Topological and Geometric Data Analysis참고 문헌 16인용 수 7

한 줄 요약

이 논문은 O(n²) 방향성 지속성 다이어그램에서 평면 그래프를 재구성하기 위한 다항 시간 알고리즘을 제시한다. 기하학적 바구랑 방법을 사용하여 들어내림 차수의 차이를 통해 간선을 추론한다. 주요 기여는 유한하고 유계된 재구성 프레임워크를 제공함으로써, 정점 위치를 위한 세 개의 다이어그램과 간선 탐지용 이차 수준의 다이어그램을 사용하여 정점과 간선을 정확히 복원하는 데 성공한다.

ABSTRACT

Topological Data Analysis (TDA) studies the shape of data. A common topological descriptor is the persistence diagram, which encodes topological features in a topological space at different scales. Turner, Mukeherjee, and Boyer showed that one can reconstruct a simplicial complex embedded in R^3 using persistence diagrams generated from all possible height filtrations (an uncountably infinite number of directions). In this paper, we present an algorithm for reconstructing plane graphs K=(V,E) in R^2 , i.e., a planar graph with vertices in general position and a straight-line embedding, from a quadratic number height filtrations and their respective persistence diagrams.

연구 동기 및 목표

• 무한한 방향 수(비가чёт 수) 대신 유한한 수의 지속성 다이어그램으로부터 임bedded된 단체 복합체를 재구성하는 열린 문제를 해결하기 위해.
• 직선 임베딩을 가진 ℝ² 내의 일차원 단체 복합체(평면 그래프)에 대해 정확한 재구성 이론적 및 알고리즘적 프레임워크를 제공하기 위해.
• 재구성에 필요한 방향성 지속성 다이어그램의 수를 유 bounds 하여, 이전 연구에서 가정한 무한 방향 가정을 넘어서기 위해.
• 높이 필터링과 위상적 불변량(들어내림 차수의 차이)을 활용하여 그래프 구조를 복원하는 기하학적 재구성 알고리즘을 개발하기 위해.
• 재구성의 일반화를 위해 고차원 단체 복합체로 확장하고, 각 다이어그램의 더 풍부한 분석을 통해 필요한 다이어그램 수를 줄이기 위한 기초를 마련하기 위해.

제안 방법

• 정점 집합 V를 재구성하기 위해, 정점마다 통과하는 직선의 배열과 이웃의 순환 순서를 활용하여, 정리 5를 이용해 세 개의 방향성 지속성 다이어그램을 사용한다.
• 각 정점 쌍 (v, v')에 대해, 벡터 (v'−v)의 수직선과 각도 ±θ를 이루는 두 방향 s₁ 및 s₂를 사용하여 바구랑 영역을 정의한다. 여기서 θ < min_v θ(v) 이다.
• 방향 s₁ 및 s₂에 따라 높이 필터링을 구축하고, 필터링의 하위레벨 세트에서 정점 v의 들어내림 차수를 계산한다. 이를 각각 Indeg(v, s₁) 및 Indeg(v, s₂)로 표기한다.
• 레마 7 및 레마 9를 적용하여 간선 탐지: |Indeg(v, s₁) − Indeg(v, s₂)| = 1 이면 간선 (v, v') 존재; 그렇지 않으면 존재하지 않음.
• 바구랑 영역에 정확히 하나의 다른 정점(v')만 존재하므로, 간선 탐지가 각 정점 쌍에 대해 명확하고 국소적으로 보장됨.
• 정점 재구성과 간선 탐지를 통합하여, O(n²) 지속성 다이어그램을 사용하는 전체 알고리즘을 구성하고, 다항 시간 내에 K = (V, E)의 정확한 재구성 달성.

실험 결과

연구 질문

• RQ1 ℝ²에 임베딩된 평면 그래프는 비가чёт 무한한 수의 방향성 지속성 다이어그램 대신 유한한 수의 다이어그램으로 재구성될 수 있는가?
• RQ2 평면 그래프의 정점 및 간선 구조를 유일하게 재구성하기 위해 필요한 최소 다이어그램 수는 얼마인가?
• RQ3 정점의 각도 및 방향성 가시성과 같은 기하적 성질을 활용하여, 유한하고 알고리즘 기반의 재구성 과정을 설계할 수 있는가?
• RQ4 두 개의 철저히 선택된 필터링에서 들어내림 차수의 차이를 사용하여 두 정점 사이에 간선이 존재하는지 탐지할 수 있는가?
• RQ5 이 방법은 고차원 단체 복합체로 일반화될 수 있으며, 각 다이어그램의 더 풍부한 정보 분석을 통해 다이어그램 수를 이차 이하로 줄일 수 있는가?

주요 결과

• 정점 집합 V는 순환 순서와 각도 분석을 통해 세 개의 방향성 지속성 다이어그램만으로 재구성 가능하다.
• 간선 집합 E는 각 정점 쌍에 대해 하나의 지속성 다이어그램을 사용하여, 높이 필터링에서의 들어내림 차수 차이를 분석함으로써 O(n²) 방향성 지속성 다이어그램으로 완전히 복원 가능하다.
• 각 다이어그램이 O(T) 시간에 계산될 경우, 알고리즘은 O(Tn²) 시간에 실행되며, 정점 재구성은 O(T + n log n) 시간에 수행된다.
• 정점들이 일반 위치에 있고 그래프가 직선 간선으로 임베딩되어 있다는 가정 하에, 정점 위치와 간선 연결을 정확히 재구성함을 보장한다.
• 바구랑의 사용은 두 방향 필터링으로 정의된 영역 내에 정확히 한 개의 다른 정점만 존재하게 하여, 간선 탐지의 모호함이 없음을 보장한다.
• 이 방법은 이전 연구에서 요구한 비가чёт 무한한 방향 수와 대비하여, 재구성 문제에 대해 유한하고 다항 시간 해법을 제공한다 [15].