[논문 리뷰] Term Coding and Dispersion: A Perfect-vs-Rate Complexity Dichotomy for Information Flow

Søren Riis|arXiv (Cornell University)|2026. 02. 08.

Complexity and Algorithms in Graphs인용 수 0

한 줄 요약

이 논문은 용어 코딩(term coding)과 분산(dispersion)을 도입하고, 명확한 복잡도 이분법을 증명한다: r≥3일 때 완전한 정확한 분산은 결정 불가능하고, 분산 지수는 최대유량/최소절단 구성을 통해 다항 시간에 계산 가능하다.

ABSTRACT

We introduce a new framework term coding for extremal problems in discrete mathematics and information flow, where one chooses interpretations of function symbols so as to maximise the number of satisfying assignments of a finite system of term equations. We then focus on dispersion, the special case in which the system defines a term map $Θ^\mathcal I:\A^k o\A^r$ and the objective is the size of its image. Writing $n:=|\A|$, we show that the maximum dispersion is $Θ(n^D)$ for an integer exponent $D$ equal to the guessing number of an associated directed graph, and we give a polynomial-time algorithm to compute $D$. In contrast, deciding whether \emph{perfect dispersion} ever occurs (i.e.\ whether $\Disp_n(\mathbf t)=n^r$ for some finite $n\ge 2$) is undecidable once $r\ge 3$, even though the corresponding asymptotic rate-threshold questions are polynomial-time decidable.

연구 동기 및 목표

• 이산 수학과 정보 흐름에서 해석 해를 극대화하도록 함수 기호의 해석을 선택하여 극값 문제를 다루는 통일된 프레임워크(Term Coding)를 개발한다.
• 자연스럽고 다루기 쉬운 하위 문제로서의 분산을 고립시키고 그 복잡도 차이를 연구한다.
• 분산을 추정 수와 그래프 기반 엔트로피와 연결하여 조합적 분석이 가능하도록 한다.
• 전처리 및 그래프 기반 도구를 제공하여 CS 친화적 설정에서 항(term) 정의 정보 흐름을 추론한다.

제안 방법

• 용어-코딩 인스턴스를 납작해진 하위항(subterms)과 다양한 기호를 가진 정상 형태로 변환한다.
• 충돌 없는 기능적 정상 형태(CFNF)를 얻고 의존성 그래프를 구성하기 위한 전처리 파이프라인을 사용한다.
• 다양화(diversification)를 통해 의존 그래프에서의 추측 게임과의 관계를 분산 인스턴스와 연결한다(추측 숫자 샌드위치).
• CFNF 분산에 대해 최대 이미지 크기가 최대유량/최소절단 구성으로 상한을 가지도록 증명하여 분산 지수 D(t)를 정의한다.
• 다양화가 상한 S_n(Γ) ≤ S_n(Γ_div)를 제공하고, n ≥ v일 때 하한 S_n(Γ) ≥ S_m(Γ_div) with m = ⌊n/v⌋이 성립하여 S_n을 Guess(G_Γ, Src(Γ); n)와 연결한다.
• “다양화가 의존 그래프上的 추측 게임과 동등해져 최대유량/최소절단 관점이 타당하다”는 것을 보여준다.
• 분산 내부에 명확한 복잡도 이분법이 있으며: r ≥ 3일 때 완전한 분산은 결정불가능하고 분산 지수는 다항 시간에 계산 가능하다고 보인다.

실험 결과

연구 질문

• RQ1 용어 코딩 해석 하에서 만족하는 해의 최대 수를 특징짓고 효율적으로 계산할 수 있는가?
• RQ2 용어 코딩에서 분산이 이미지 크기 목적으로 작용할 때 그래프 기반 불변량으로 점근 속도를 포착할 수 있는가?
• RQ3 분산 지수 D(t)를 다항 시간에 계산하는 방법이 있으며 최대유량/최소절단 증명이 가능한가?
• RQ4 완전한 분산의 존재 여부가 결정 가능성 있는 상태를 가지는가, 출력 수 r에 따라 이것이 어떻게 달라지는가?
• RQ5 전처리 단계(정상 형태, 몫화, 다양화)가 복잡도 및 추측 게임과의 관계에 어떤 영향을 미치는가?

주요 결과

• 분산 지수 D(t)가 존재하고 정수이며, 보조 네트워크에서 최대유량/최소절단 구성으로 다항 시간에 계산 가능하다.
• r≥3일 때 일부 n≥2에 대해 Disp_n(t)=n^r인 완전한 분산은 결정 불가능하지만 관련 속도-임계 질문은 다항 시간에 결정 가능하다.
• 다양화는 용어 코딩과 의존 그래프상의 추측 게임 사이의 계산적으로 의미 있는 다리를 제공하여 엔트로피 및 그래프 기반 분석을 가능하게 한다.
• 원래 분산 문제와 다양화된 인스턴스를 연결하는 양방향 샌드위치 경계가 존재하며, 점근적 성장률을 보존하면서 조합적 추론을 가능하게 한다.
• 전처리 파이프라인(정상 형태, 몫화, 다양화, 기능적 정상 형태)은 분석에 적합한 간결한 그래프 기반 표현을 제공한다.
• CFNF 및 다양화 프레임워크로 인해 분산이 의존 그래프上的 추측 게임과 동등해지며, 최대유량/최소절단 관점의 타당성을 뒷받침한다.