[논문 리뷰] Strong Collapse for Persistence

Jean‐Daniel Boissonnat, Siddharth Pritam외 1명|arXiv (Cornell University)|2018. 09. 28.

Topological and Geometric Data Analysis참고 문헌 6인용 수 12

한 줄 요약

이 논문은 필터링, 타워, 지그재그를 포함한 시퀀스에서 단순 복합체를 단순화하기 위해 강한 콜라프스를 적용함으로써 영구 호몰로지(PH) 계산을 가속화하는 새로운 방법인 PH-Collapser를 소개한다. 복합체를 최대 단체로 표현하고 독립적이고 동시에 콜라프스를 적용함으로써, 정확한 PH를 유지하면서 메모리 및 시간 복잡도를 크게 감소시킨다. 이는 대규모 고차원 데이터셋에서 기존 최고 수준의 도구인 Ripser를 능가한다.

ABSTRACT

We introduce a fast and memory efficient approach to compute the persistent homology (PH) of a sequence of simplicial complexes. The basic idea is to simplify the complexes of the input sequence by using strong collapses, as introduced by J. Barmak and E. Miniam [DCG (2012)], and to compute the PH of an induced sequence of reduced simplicial complexes that has the same PH as the initial one. Our approach has several salient features that distinguishes it from previous work. It is not limited to filtrations (i.e. sequences of nested simplicial subcomplexes) but works for other types of sequences like towers and zigzags. To strong collapse a simplicial complex, we only need to store the maximal simplices of the complex, not the full set of all its simplices, which saves a lot of space and time. Moreover, the complexes in the sequence can be strong collapsed independently and in parallel. Finally, we can compromize between precision and time by choosing the number of simplicial complexes of the sequence we strong collapse. As a result and as demonstrated by numerous experiments on publicly available data sets, our approach is extremely fast and memory efficient in practice.

연구 동기 및 목표

• 대규모 고차원 데이터셋에서 영구 호몰로지(PH)의 높은 계산 및 메모리 비용을 해결하기 위해.
• 표준 필터링을 초월하여 정확한 PH를 유지하면서 단순 복합체를 단순화할 수 있는 방법을 개발하기 위해.
• 전체 복합체 표현 대신 최대 단체를 활용하여 저장 및 계산 시간을 줄이기 위해.
• 타워나 지그재그와 같은 시퀀스에서 복합체의 병렬적이고 증분적인 단순화를 가능하게 하기 위해.
• 기존 소프트웨어에 비해 실세계 데이터셋에서 뛰어난 성능을 보이며 실용적이고 확장 가능한 PH 계산 솔루션을 제공하기 위해.

제안 방법

• 강한 콜라프스라는 위상수학적 단순화 기법을 사용하여, 시퀀스 내 각 복합체를 독립적이고 동시에 콜라프스한다.
• 각 단순 복합체를 최대 단체만으로 표현함으로써 저장 및 계산 오버헤드를 감소시킨다.
• 동치성 유형과 PH를 유지하는 그리디 알고리즘을 통해 각 복합체의 핵심을 계산한다.
• 원래 단순 복합체 맵으로부터 유도된 맵을 통해 콜라프스된 복합체 간의 사상이 유도되며, 이로 인해 핵심 시퀀스가 원래 시퀀스와 동일한 PH를 유지한다.
• 알고리즘의 시간 복잡도는 O(v²Γ₀d + m²Γ₀d)이며, 여기서 v는 정점 수, m는 최대 단체 수, Γ₀는 각 정점에 연결된 최대 단체 수, d는 차원이다.
• 표준 알고리즘을 사용하여 콜라프스된 핵심 시퀀스에서 PH를 계산하며, PH 출력이 필요한 경우에만 전체 복합체를 재구성한다.

실험 결과

연구 질문

• RQ1 강한 콜라프스가 필터링 이외의 유형(예: 타워, 지그재그)을 포함한 다양한 시퀀스에서 PH 계산을 가속화하는 데 사용될 수 있는가?
• RQ2 전체 단체 표현 대비 최대 단체 수의 감소가 메모리 및 시간 복잡도에 얼마나 큰 영향을 미치는가?
• RQ3 대규모 고차원 데이터셋에서 기존 PH 소프트웨어인 Ripser와 비교해 강한 콜라프스의 성능은 어떠한가?
• RQ4 단순화된 복합체의 수를 제어함으로써 정밀도와 효율성 간의 균형을 조절할 수 있는가?
• RQ5 실제로 강한 콜라프스가 달성하는 단순화 비율에 대해 이론적으로 보장되는 성질은 무엇인가?

주요 결과

• 고차원 리프스 복합체에서 PH-Collapser는 Ripser 대비 최대 100배의 속도 향상을 기록했으며, 특히 7 이상의 차원에서는 Ripser가 메모리 오버로 인해 충돌한 반면 PH-Collapser는 정상적으로 작동했다.
• 297개 점과 임계값 0.3를 가진 eleg 데이터셋에서, PH-Collapser는 전체 차원의 영구 다이어그램(PD)을 578.3초 만에 계산했고, Ripser는 메모리 제한으로 인해 5차원에서 실패했다.
• netw-sc 데이터셋의 경우, PH-Collapser는 144초 만에 7차원까지 PD를 계산했고, Ripser는 7차원 계산만 위해 357초가 소요되었으며 높은 차원에서는 실패했다.
• 전체 단체 수에 비해 일반적으로 훨씬 적은 수의 최대 단체만 저장함으로써, 특히 고차원 복합체에서 메모리 사용을 크게 감소시켰다.
• 모든 데이터셋에서 프리프로세싱이 거의 즉각적으로 이루어졌으며, 전체 계산 시간은 주로 콜라프스된 핵심에서의 PH 계산에 의해 지배되었다.
• 세밀한 스크린샷 단계 덕분에 PH-Collapser와 Ripser 출력 간의 봉합 거리가 극히 미미했으며, 이는 방법의 정확성을 검증했다.