[논문 리뷰] Poisson Group Testing: A Probabilistic Model for Boolean Compressed Sensing

Amin Emad, Olgica Milenković|arXiv (Cornell University)|2014. 10. 20.

SARS-CoV-2 detection and testing참고 문헌 45인용 수 8

한 줄 요약

이 논문은 λ(n) = o(n) 인 우측으로 잘린 포아송 분포를 따르는 결함 요소 수를 가진 부울 압축 측정의 확률적 모델인 포아송 군집 테스팅을 소개한다. 비적응형 및 반적응형 테스트 행렬 구축 방법을 제안하여 m = 2(β(n)λ(n))^{1+γ}(log n + τβ²(n)log²(β(n)λ(n)))회의 테스트로 오차 확률이 0으로 수렴하도록 한다. 이는 정보 이론적 하한선과 상수 인자 범위 내에서 일치한다.

ABSTRACT

We introduce a novel probabilistic group testing framework, termed Poisson group testing, in which the number of defectives follows a right-truncated Poisson distribution. The Poisson model has a number of new applications, including dynamic testing with diminishing relative rates of defectives. We consider both nonadaptive and semi-adaptive identification methods. For nonadaptive methods, we derive a lower bound on the number of tests required to identify the defectives with a probability of error that asymptotically converges to zero; in addition, we propose test matrix constructions for which the number of tests closely matches the lower bound. For semi-adaptive methods, we describe a lower bound on the expected number of tests required to identify the defectives with zero error probability. In addition, we propose a stage-wise reconstruction algorithm for which the expected number of tests is only a constant factor away from the lower bound. The methods rely only on an estimate of the average number of defectives, rather than on the individual probabilities of subjects being defective.

연구 동기 및 목표

• 시간이 지남에 따라 상대적 결함 비율이 감소하는 동적 및 스트리밍 테스팅 시나리오에 적합한 새로운 확률적 군집 테스팅 프레임워크를 개발하기 위해.
• λ(n) = o(n) 인 우측으로 잘린 포아송 분포를 사용하여 결함 요소 수를 모델링함으로써 임상 테스팅 및 DNA 스크리닝 등 응용 가능성을 확보하기 위해.
• 비적응형 및 반적응형 테스팅 하에서 신뢰할 수 있는 식별을 위해 필요한 최소 테스트 수에 대한 정보 이론적 하한선을 유도하기 위해.
• 오차 확률이 0으로 수렴하는 최소한의 테스트 오버헤드를 갖는 테스트 행렬 구축 방법과 디코딩 알고리즘을 제안하기 위해.

제안 방법

• 결함 요소 수를 λ(n) = o(n) 인 우측으로 잘린 포아송 분포로 모델링하여 시간이 지남에 따라 상대적 결함 비율 감소를 반영한다.
• 비적응형 테스팅의 경우, i.i.d. 베르누이(p) 분포를 갖는 테스트 행렬을 구성하며, p = ⌈β(n)λ(n)⌉^{-(1+γ)} 이고, 작은 γ > 0 이다.
• 큰 수의 법칙과 체르노프 유사 부등식을 적용하여 결함 요소 식별 오차의 확률을 상한으로 제한한다.
• 최대우도 디코딩을 적용하고 지수적 모멘트 및 엔트로피 기반 분석을 통해 오차 확률의 상한을 도출한다.
• 반적응형 테스팅의 경우, 이전 결과에 기반해 적응적으로 테스트를 선택하는 단계별 재구성 알고리즘을 설계한다.
• 예상 테스트 수에 대한 하한을 유도하고, 제안된 알고리즘이 이 하한선을 상수 인자 범위 내에서 달성함을 보여준다.

실험 결과

연구 질문

• RQ1 시간에 따라 변화하는 결함 비율을 갖는 확률적 군집 테스팅 모델은 우측으로 잘린 포아송 분포로 효과적으로 모델링될 수 있는가?
• RQ2 이 포아송 모델 하에서 비적응형 결함 요소 식별을 위해 필요한 최소 테스트 수에 대한 정보 이론적 하한선은 무엇인가?
• RQ3 오차 확률이 0으로 수렴하는 근사 최적의 테스트 복잡도를 달성하기 위해 어떻게 테스트 행렬을 설계할 수 있는가?
• RQ4 반적응형 알고리즘의 예상 테스트 수는 얼마이며, 이는 이론적 하한선과 얼마나 가까운가?
• RQ5 개별 결함 확률 추정치가 필요 없이 평균 결함 요소 수만으로도 방법이 작동할 수 있는가?

주요 결과

• 논문은 임의의 γ > 0 및 τ > 0 에 대해 m = 2(β(n)λ(n))^{1+γ}(log n + τβ²(n)log²(β(n)λ(n)))회의 테스트로 오차 확률이 0으로 수렴하는 비적응형 테스트 구성 방법을 확립한다.
• 필요한 테스트 수는 정보 이론적 하한선과 상수 인자 범위 내에 있으며, 오차 확률은 n → ∞ 일 때 0으로 수렴한다.
• 반적응형 테스팅의 경우, 제안된 단계별 알고리즘이 이론적 하한선과 상수 인자 범위 내에서 예상 테스트 수를 달성한다.
• 큰 수의 결함 요소에 해당하는 오차 확률 Pe2는 포아송 尾 꼬리에 대한 체르노프 부등식을 적용하여 o(1)임을 보였다.
• 분석 결과, 작은 결함 요소에 해당하는 오차 확률 Pe1는 m ≥ (2 + δ(n))h(n)^{1+γ} log n 를 만족시키며 δ(n) = ϵ(1+ϵ)^2(1+γ)^2β(n)log³λ(n)/log n 로 선택함으로써 o(1)로 만들 수 있다.
• 이 방법은 개별 결함 확률 추정치가 아닌 평균 결함 요소 수의 추정치만 필요로 하므로, 실세계 응용에 대해 강건하고 실용적이다.