[논문 리뷰] Positive spectrahedrons: Geometric properties, Invariance principles and Pseudorandom generators

Srinivasan Arunachalam, Penghui Yao|arXiv (Cornell University)|2021. 01. 01.

Complexity and Algorithms in Graphs인용 수 2

한 줄 요약

이 논문은 부울 복합체 위에서 정규 폭-M인 양의 스펙트라헤드론의 교집합을 위한 명시적 의사난수 생성기(PRGS)를 소개하며, 시드 길이 $\mathsf{poly}(\mathsf{log} \, k, \mathsf{log} \, n, M, 1/\mathsf{δ})$ 를 달성한다. 일반화된 린데버그 방법을 통한 새로운 관성 원리 수립과 노이즈 민감도 및 가우시안 표면 면적과 같은 기하적 성질을 도출함으로써, 학습 이론, 불일치 이론, 구조적 다항식 임계함수를 위한 PRGS 등에의 응용이 가능해진다.

ABSTRACT

In a recent work, O'Donnell, Servedio and Tan (STOC 2019) gave explicit pseudorandom generators (PRGs) for arbitrary $m$-facet polytopes in $n$ variables with seed length poly-logarithmic in $m,n$, concluding a sequence of works in the last decade, that was started by Diakonikolas, Gopalan, Jaiswal, Servedio, Viola (SICOMP 2010) and Meka, Zuckerman (SICOMP 2013) for fooling linear and polynomial threshold functions, respectively. In this work, we consider a natural extension of PRGs for intersections of positive spectrahedrons. A positive spectrahedron is a Boolean function $f(x)=[x_1A^1+\cdots +x_nA^n \preceq B]$ where the $A^i$s are $k imes k$ positive semidefinite matrices. We construct explicit PRGs that $\delta$-fool regular width-$M$ positive spectrahedrons (i.e., when none of the $A^i$s are dominant) over the Boolean space with seed length $ extsf{poly}(\log k,\log n, M, 1/\delta)$. Our main technical contributions are the following: We first prove an invariance principle for positive spectrahedrons via the well-known Lindeberg method. As far as we are aware such a generalization of the Lindeberg method was unknown. Second, we prove various geometric properties of positive spectrahedrons such as their noise sensitivity, Gaussian surface area and a Littlewood-Offord theorem for positive spectrahedrons. Using these results, we give applications for constructing PRGs for positive spectrahedrons, learning theory, discrepancy sets for positive spectrahedrons (over the Boolean cube) and PRGs for intersections of structured polynomial threshold functions.

연구 동기 및 목표

• 다각형에서부터 정규 폭-M인 양의 스펙트라헤드론의 교집합으로의 의사난수 생성기 구축을 확장함으로써, 정규화된 양의 스펙트라헤드론을 정의하는 반정규형 제약 조건을 가진 부울 함수의 더 넓은 클래스를 다루는 것.
• 클래식 도구를 매트릭스 값 함수로 확장하기 위해 린데버그 방법의 새로운 변형을 사용하여, 양의 스펙트라헤드론을 위한 일반적인 관성 원리를 개발하는 것.
• 양의 스펙트라헤드론 전용으로 특화된 핵심 기하적 성질—노이즈 민감도, 가우시안 표면 면적, 리틀우드-오페르 정리—를 규명하는 것.
• 이러한 결과를 활용하여, 구조적 다항식 임계함수의 교집합을 위한 PRGS를 구성하고, 부울 복합체 상에서 불일치 집합을 설계하는 것.

제안 방법

• 매트릭스 값 함수로의 일반화된 린데버그 방법을 개발하여, 양의 스펙트라헤드론에 대한 관성 원리를 증명함으로써, 기존의 고전적 도구를 매트릭스 값 함수로 확장함.
• 행렬 농도 및 기하 기법을 사용하여, 양의 스펙트라헤드론의 노이즈 민감도와 가우시안 표면 면적을 분석함.
• 부울 입력 하에서 양의 준정규행렬의 선형 조합에 대한 리틀우드-오페르 유형 정리를 수립함.
• 유도된 기하적 및 확률적 성질을 활용하여, 정규 폭-M인 양의 스펙트라헤드론에 대해 시드 길이 $\mathsf{poly}(\mathsf{log} \, k, \mathsf{log} \, n, M, 1/\mathsf{δ})$ 를 갖는 명시적 PRGS를 구성함.
• 관성 원리와 기하 경계를 적용하여, 구조적 다항식 임계함수의 교집합을 위한 PRGS를 도출함.
• 양의 스펙트라헤드론의 스펙트럼 구조를 활용하여, $\mathsf{δ}$-fooling 조건 하에서의 의사난수성을 보장함.

실험 결과

연구 질문

• RQ1 일반화된 린데버그 방법을 사용하여, 양의 스펙트라헤드론에 대한 관성 원리를 수립할 수 있는가?
• RQ2 양의 스펙트라헤드론의 노이즈 민감도와 가우시안 표면 면적은 무엇이며, 이는 의사난수성과 어떻게 관련되는가?
• RQ3 부울 복합체 상에서 양의 준정규행렬의 선형 조합에 대해 리틀우드-오페르 정리를 정의할 수 있는가?
• RQ4 정규 폭-M인 양의 스펙트라헤드론을 $\mathsf{δ}$-fool하기 위해 필요한 최소 시드 길이는 얼마인가?
• RQ5 양의 스펙트라헤드론의 기하적 및 확률적 성질을 어떻게 활용하여, 구조적 다항식 임계함수의 교집합을 위한 PRGS를 구성할 수 있는가?

주요 결과

• 기존에는 알려져 있지 않았던, 린데버그 방법의 새로운 변형을 통한 양의 스펙트라헤드론에 대한 관성 원리가 수립됨.
• 양의 스펙트라헤드론의 노이즈 민감도는 폭과 차원에 따라 유계로 제한되며, 이는 의사난수성 분석에 기여함.
• 부울 입력 하에서의 양의 준정규행렬의 선형 조합에 대해 리틀우드-오페르 정리가 증명되어 농도가 집중됨.
• 양의 스펙트라헤드론의 가우시안 표면 면적은 폭과 행렬 차원의 함수로 유계로 제한되며, 이는 의사난수성 보장을 강화함.
• 정규 폭-M인 양의 스펙트라헤드론에 대해 시드 길이 $\mathsf{poly}(\mathsf{log} \, k, \mathsf{log} \, n, M, 1/\mathsf{δ})$ 를 갖는 명시적 PRGS가 구성되었으며, $\mathsf{δ}$-fooling을 달성함.
• 학습 이론, 부울 복합체 상의 불일치 집합, 구조적 다항식 임계함수의 교집합을 위한 PRGS 등에 응용이 입증됨.