[논문 리뷰] The myth of equidistribution for high-dimensional simulation

Richard P. Brent|arXiv (Cornell University)|2010. 05. 08.

Chaos-based Image/Signal Encryption참고 문헌 8인용 수 4

한 줄 요약

이 논문은 고차원 의사난수 생성기(PRNG)에서 $(d,w)$-균등분포가 바람직한 성질이라는 가정을 도전한다. 균등분포가 우수한 시뮬레이션 품질을 보장하지는 않으며, 주기성에 의존하기 때문에 실제 응용에서는 일반적으로 전체 주기 전체가 아닌 짧은 구간만 사용되기 때문이다. 주요 기여는 현대의 장주기 PRNG에 대해 균등분포를 의미 있는 평가 기준으로 삼는 것의 부정이다.

ABSTRACT

A pseudo-random number generator (RNG) might be used to generate w-bit random samples in d dimensions if the number of state bits is at least dw. Some RNGs perform better than others and the concept of equidistribution has been introduced in the literature in order to rank different RNGs. We define what it means for a RNG to be (d,w)-equidistributed, and then argue that (d,w)-equidistribution is not necessarily a desirable property.

연구 동기 및 목표

• 고차원 시뮬레이션에서 $(d,w)$-균등분포가 PRNG 품질을 신뢰할 만한 지표로 여겨지는 광범위한 믿음을 도전하기 위해.
• 균등분포가 현대의 장주기 PRNG에 대해 관련이 없으며, 특히 시퀀스의 짧은 구간만 사용되는 경우에 더욱 그렇다는 것을 보여주기 위해.
• 균등분포 테스트는 계산적으로 효율적이지만 실제 시뮬레이션 성능과 상관이 없다는 것을 주장하기 위해.
• $\Delta$와 $W$와 같은 기존의 평가 기준을 재고하여, 서로 다른 주기의 생성기 간 비교에서 이들이 오해의 소지가 있음을 보여주기 위해.
• 균등분포가 순서에 무관하므로 시퀀스의 시간적 또는 구조적 무작위성과 관련이 없으며, 실무에서 필요한 바를 반영하지 못한다는 점을 강조하기 위해.

제안 방법

• 주기 전체 동안 각 $d$차원 초입방체의 한 변 길이가 $2^{-w}$인 영역에 정확히 동일한 수의 점이 포함되는 성질로 $(d,w)$-균등분포를 정의한다.
• 선형 생성기의 경우 $\mathbb{F}_2$ 위에서 선형대수학을 사용하여 행렬의 질서 조건을 통해 균등분포 여부를 테스트한다.
• $N=2^n$ 길이의 주기적 시퀀스에서 균등분포가 성립할 확률을 분석하여, 큰 $n$에 대해 천문학적 정도로 극히 작다는 것을 보인다.
• 실제 응용에서 전체 주기 $N$이 아닌 $M \ll N$ 개의 점만 사용된다는 점을 고려해 균등분포와 실제 시뮬레이션 요구사항을 비교한다.
• $\Delta = \max_d \delta_d$와 $W = \sum_d w_d$와 같은 평가 기준을 재검토하여, 서로 다른 주기의 생성기 간 비교에 있어 이들이 타당하지 않다는 점을 주장한다.
• RANDU가 $d \geq 3$, $w \geq 4$일 때는 균등분포를 만족하지 못하지만, 주기적이고 결정론적이므로 여전히 널리 사용된다는 점을 들어 예시로 제시한다.

실험 결과

연구 질문

• RQ1 $(d,w)$-균등분포는 고차원 PRNG가 시뮬레이션에 적합하기 위해 필수적이거나 충분한 조건인가?
• RQ2 균등분포가 실질적 시뮬레이션 사용과의 부합이 떨어지는데도 불구하고 왜 바람직한 성질로 여겨지는가?
• RQ3 주기 길이 $N=2^n$이 증가함에 따라 $(d,w)$-균등분포를 달성할 확률은 어떻게 변화하는가?
• RQ4 전체 주기 동안의 균등분포 테스트는 실질적 시뮬레이션에서 시퀀스의 짧은 구간만 사용하는 데 의미 있게 적용될 수 있는가?
• RQ5 주기 차이가 있는 생성기 간 비교에 있어 $\Delta$와 $W$와 같은 기존의 평가 기준은 타당한가?

주요 결과

• 길이 $N=2^n$인 랜덤 주기적 시퀀스가 $(d,w)$-균등분포를 가지는 확률은 약 $\frac{\sqrt{2\pi N}}{\exp(N)}$이며, $n=4096$와 같이 큰 $n$에선 무시할 수 없을 정도로 극히 작다.
• 어느 생성기가 $(d,w)$-균등분포를 만족하더라도, 이 성질은 시퀀스의 순서가 바뀌어도 유지되므로 시간적 또는 구조적 무작위성과 관련이 없다.
• 만약 $dw = n$이라면 균등분포를 달성할 수 있는 방법의 수는 $N!$이지만, 가능한 모든 시퀀스의 수는 $N^N$이므로, 균등분포는 실질적으로 극히 불가능하다.
• 현대의 장주기 PRNG인 멀티플리카티브 모드의 메르센 트위스터나 Xorgens는 $dw \ll n$일 때는 종종 $(d,w)$-균등분포를 만족하지만, 이는 시뮬레이션 품질 향상과는 관련이 없다.
• $\Delta$와 $W$와 같은 평가 기준은 서로 다른 주기의 생성기 간 비교에 있어 오해의 소지가 있으며, 실질적으로는 짧은 구간만 사용된다는 점을 반영하지 못한다.
• 균등분포는 무작위성의 신뢰할 만한 테스트가 아니며, 완전히 무작위인 소스는 주기적이지 않기 때문에, 주기성 자체가 시뮬레이션에서 독립성의 가정을 약화시킨다.