[논문 리뷰] Shared Randomness Helps with Local Distributed Problems

Alkida Balliu, Mohsen Ghaffari외 6명|arXiv (Cornell University)|2024. 07. 07.

Optimization and Search Problems인용 수 1

한 줄 요약

이 논문은 국소적으로 검증 가능한 레이블링(LCL) 문제 Π에 대해 공유된 난수가 분산 환경의 LOCAL 모델에서 라운드 복잡도를 지수적으로 감소시킬 수 있음을 보여준다: 비공유 난수는 Ω(√n)라운드가 필요로 하지만, 공유 난수를 사용하면 O(log n)라운드 내로 해결이 가능하다. 이 결과는 오랫동안 남아있던 열린 문제를 해결하며, 공유 난수가 특정 LCL 문제에 대해 단순히 유용한 것이 아니라 필수적이라는 것을 입증한다. 또한 양자, 고전적, 분포 모델 간의 계산 모델 간의 분리성을 확립한다.

ABSTRACT

By prior work, we have many results related to distributed graph algorithms for problems that can be defined with local constraints; the formal framework used in prior work is locally checkable labeling problems (LCLs), introduced by Naor and Stockmeyer in the 1990s. It is known, for example, that if we have a deterministic algorithm that solves an LCL in $o(\log n)$ rounds, we can speed it up to $O(\log^*n)$ rounds, and if we have a randomized $O(\log^*n)$ rounds algorithm, we can derandomize it for free. It is also known that randomness helps with some LCL problems: there are LCL problems with randomized complexity $Θ(\log\log n)$ and deterministic complexity $Θ(\log n)$. However, so far there have not been any LCL problems in which the use of shared randomness has been necessary; in all prior algorithms it has been enough that the nodes have access to their own private sources of randomness. Could it be the case that shared randomness never helps with LCLs? Could we have a general technique that takes any distributed graph algorithm for any LCL that uses shared randomness, and turns it into an equally fast algorithm where private randomness is enough? In this work we show that the answer is no. We present an LCL problem $Π$ such that the round complexity of $Π$ is $Ω(\sqrt n)$ in the usual randomized \local model with private randomness, but if the nodes have access to a source of shared randomness, then the complexity drops to $O(\log n)$. As corollaries, we also resolve several other open questions related to the landscape of distributed computing in the context of LCL problems. In particular, problem $Π$ demonstrates that distributed quantum algorithms for LCL problems strictly benefit from a shared quantum state. Problem $Π$ also gives a separation between finitely dependent distributions and non-signaling distributions.

연구 동기 및 목표

• 국소적으로 검증 가능한 레이블링(LCL) 문제에 대해 분산 시스템에서 공유 난수가 계산적 이점을 제공하는지 조사하기.
• 공유 난수가 비공유 난수로는 달성할 수 없는 수준에서 반드시 필요로 하는 LCL 문제의 존재 여부를 규명하기.
• 공유 난수의 능력, 유한히 종속된 분포, 비신호 분포에 관해 분산 LCL 문제의 맥락에서 남아있는 열린 문제를 해결하기.
• LOCAL 모델에서 비공유 난수와 공유 난수를 사용하는 고전적 랜덤 알고리즘 간의 분리를 확립하기.

제안 방법

• 특정 국소 제약 조건을 가진 격자 구조 그래프 위에서 정의된 LCL 문제 Π를 구성하기.
• 비공유 난수를 사용하는 LOCAL 모델에서, 왼쪽 끝 열과 오른쪽 끝 열의 노드들이 서로 독립적이라는 비율적 추론을 바탕으로, Π를 해결하는 데 최소 Ω(√n)라운드가 필요하다는 것을 증명하기.
• 공유 난수 접근을 통해, 먼 거리에 있는 노드들 간의 출력을 공통 난수 문자열을 이용해 조율함으로써, Π를 O(log n)라운드 내로 해결할 수 있는 랜덤 알고리즘을 제시하기.
• 유한한 종속성과 온라인-LOCAL 모델을 활용해 하한을 도출하여, 복잡도 격차가 더 강력한 가정 조건 하에서도 유지됨을 보여주기.
• 문제 Π를 활용해 양자 알고리즘과 분포 모델에 대한 함의를 도출하며, 비공유 난수로는 달성할 수 없는 이점을 공유 난수가 제공함을 보여주기.
• 합집합 확률과 농도 불등식과 같은 조합적 및 확률적 추론을 적용하여, 적대적 환경에서 성공 확률의 상한과 하한을 도출하기.

실험 결과

연구 질문

• RQ1 LOCAL 모델에서 공유 난수가 비공유 난수보다 초지수적 속도 향상을 제공하는 LCL 문제가 존재하는가?
• RQ2 어떤 LCL 문제에 대해 공유 난수가 반드시 필요할 수 있는가, 아니면 비공유 난수만으로도 항상 충분한가?
• RQ3 이러한 문제의 존재가 분산 계산에서 유한히 종속된 분포와 비신호 분포 간의 분리성을 암시하는가?
• RQ4 분산 양자 알고리즘이 LCL 문제를 해결할 때, 공유 양자 상태를 통해 고전 알고리즘으로는 달성할 수 없는 이점을 얻을 수 있는가?
• RQ5 LCL 알고리즘에서 공유 난수의 필요성을 제거할 수 있는 일반적인 결정론적 변환 기법이 존재하는가?

주요 결과

• 비공유 난수를 사용하는 LOCAL 모델에서 LCL 문제 Π는 랜덤 알고리즘을 포함해도 최소 Ω(√n)라운드가 필요하다.
• 공유 난수 접근을 통해 동일한 문제 Π는 O(log n)라운드 내로 해결 가능하며, 이는 지수적 속도 향상을 보여준다.
• 문제 Π는 분산 계산에서 유한히 종속된 분포와 비신호 분포 간의 분리를 확립한다.
• 문제 Π는 분산 양자 알고리즘이 LCL 문제를 해결할 때 공유 양자 상태로부터 엄격한 이점을 얻음을 보여주며, 고전 알고리즘은 공유 난수가 없이 동일한 효율성을 달성할 수 없다.
• 이 결과는 공유 난수가 특정 LCL 문제에 대해 단순히 도움이 되는 것이 아니라 필수적임을 시사하며, 이는 이전의 직관(비공유 난수로도 충분하다)과 모순된다.
• 하한은 결정론적 온라인-LOCAL 모델과 유한 종속성 모델과 같은 더 강력한 모델에서도 유지되며, 이는 복잡도 격차의 강건성을 확인한다.