[논문 리뷰] Separating NOF communication complexity classes RP and NP

Matei David, Toniann Pitassi|ArXiv.org|2008. 02. 26.

Complexity and Algorithms in Graphs참고 문헌 16인용 수 13

한 줄 요약

이 논문은 랜덤 함수 F^φ를 사용하는 일반화된 불일치 방법을 도입함으로써, δ < 1인 경우 최대 δ·log n명의 플레이어에 대해 수신자 머리 위 수수료(NoF) 복잡도 클래스 RP와 NP 사이의 비명시적 분리를 확립한다. 핵심 결과는 k ≤ δ·log n일 때 NP_k^cc ⊈ BPP_k^cc (따라서 NP_k^cc ≠ RP_k^cc)임을 보여주며, 낮은 불일치성 함수와의 상관관계를 통해 기존 불일치 방법의 한계를 극복한다.

ABSTRACT

We provide a non-explicit separation of the number-on-forehead communication complexity classes RP and NP when the number of players is up to δlog(n) for any δ&lt;1. Recent lower bounds on Set-Disjointness [LS08,CA08] provide an explicit separation between these classes when the number of players is only up to o(loglog(n)).

연구 동기 및 목표

• 수신자 머리 위(NoF) 복잡도 모델에서 플레이어 수가 초수렴적인 경우 RP와 NP를 분리하는 기본적인 열린 문제를 해결하기 위해.
• 낮은 비결정적 복잡도를 가진 함수에서는 실패하는 기존 불일치 방법의 한계를 극복하기 위해 상관관계를 가진 함수를 사용하는 일반화된 접근법을 도입하기 위해.
• 이전의 명시적 분리 결과(예: o(log log n)명의 플레이어에 대해)를 더 넓은 범위로 확장하여, 임의의 δ < 1에 대해 최대 δ·log n명의 플레이어까지 확장하기 위해.
• 비명시적 구성에 기반하여 k ≤ δ·log n일 때 NP_k^cc ⊈ BPP_k^cc (따라서 NP_k^cc ≠ RP_k^cc)임을 보여주기 위해.

제안 방법

• 플레이어 0의 입력에서 m개의 인덱스를 선택하는 φ에 따라 정의되는 함수 집합 F^φ를 도입하며, F^φ는 해당 비트들의 OR를 출력한다.
• 랜덤 함수 φ를 사용하여 F^φ를 구성함으로써, 낮은 비결정적 복잡도를 가지지만 높은 랜덤화된 복잡도를 갖는 함수를 만든다.
• 일반화된 불일치 방법을 적용: 분포 λ 하에서 불일치가 작은 함수 G와 F^φ를 상관관계를 맺는다.
• F^φ와 G가 높은 상관관계를 가지며 G가 작은 불일치를 갖는다면, F^φ 역시 높은 랜덤화된 복잡도를 가져야 한다는 것을 보여준다.
• 확률적 구성과 다중집합 분석을 사용하여 선택된 인덱스의 집합 S_u = φ(y_1^u1, ..., y_k^uk)에서의 충돌 수를 제한함으로써, 상관관계 함수에 대해 낮은 불일치를 확보한다.
• 기대값과 조건부 분포의 성질을 활용하여 μ와 g의 내적을 유계화함으로써, 불일치가 지수적으로 작다는 것을 증명한다.

실험 결과

연구 질문

• RQ1 δ < 1인 경우 k = δ·log n명의 플레이어에 대해 NOF 모델에서 RP와 NP 사이의 비명시적 분리를 달성할 수 있는가?
• RQ2 낮은 비결정적 복잡도 함수에서 실패하는 불일치 방법을 일반화하여 이를 우회할 수 있는가?
• RQ3 랜덤 선택자 φ를 사용하여 낮은 비결정적 복잡도를 가지지만 높은 랜덤화된 복잡도를 갖는 함수 F^φ를 구성할 수 있는가?
• RQ4 NOF 모델에서 NP_k^cc ⊈ BPP_k^cc가 성립하는 k의 임계값(비교적 n에 대한 함수로 표현)은 무엇인가?

주요 결과

• 논문은 모든 δ < 1과 모든 k ≤ δ·log n에 대해 NP_k^cc ⊈ BPP_k^cc (따라서 NP_k^cc ≠ RP_k^cc)임을 확립한다.
• 분리는 명시적 구성이 아닌 확률적 존재성에 기반한 비명시적 분리이다.
• 증명은 낮은 비결정적 복잡도를 갖는 함수 F^φ와 낮은 불일치를 갖는 함수 G를 적절히 선택된 분포 하에서 상관관계를 맺는 일반화된 불일치 방법을 사용한다.
• 분석 결과 F^φ의 기대 불일치는 지수적으로 작아지며, 이는 높은 랜덤화된 복잡도를 의미한다.
• 선택된 인덱스의 다중집합에서의 충돌 수는 복원 추정을 사용하여 유계화되며, q개의 충돌에 대한 확률 유계는 (m2^k / n)^q가 된다.
• 이 방법은 이전 결과(최대 o(log log n)명의 플레이어에 국한됨)보다 훨씬 더 많은 플레이어 수(최대 δ·log n명)에 대해 분리를 달성한다.