[論文レビュー] A remark on the minimal dispersion

Alexander E. Litvak|arXiv (Cornell University)|May 25, 2020

Mathematical Approximation and Integration参考文献 12被引用数 5

ひとこと要約

本稿は、軸平行ボックスの新規構成と修正された一様分布を用いた確率的点選択戦略を用いて、単位立方体およびトーラス上における点集合の最小分散の上界を改善する。主な結果は、非周期的設定において、$\exp\left(\frac{9\ln(1/\varepsilon)\ln(18d)}{\varepsilon}\right)$ の近似的最適な上界を $(1/2)$-dinet のサイズに対して得ることであり、対数要因を除いてほぼ鋭い境界である。

ABSTRACT

We improve known upper bounds for the minimal dispersion of a point set in the unit cube and its inverse in both the periodic and non-periodic settings. Some of our bounds are sharp up to logarithmic factors.

研究の動機と目的

• $d$ 次元単位立方体およびトーラス上における点集合の最小分散の既知の上界を改善すること。
• 変数 $n$ と $d$ が両方とも増加する際の逆分散関数 $N(\varepsilon,d)$ の挙動を、片方の変数を固定せずに分析すること。
• 確率的点選択フレームワークにおけるより鋭い確率的解析を可能にする軸平行ボックスの新規構成を開発すること。
• 特に $\varepsilon$ が $d$ より著しく小さくない領域において、最小分散に対するほぼ鋭い境界を確立すること。
• 周期的（トーラス）設定への分析を拡張し、非周期的ケースと比較すること。

提案手法

• 長さが $1-\varepsilon$ 以上である区間への写像を定義する関数 $\phi_\varepsilon$ を導入し、高確率で長い区間を近似可能にする。
• サイズ $m \approx \frac{\ln(1/\varepsilon)}{\varepsilon}$ の部分集合 $A \subset [d]$ における $m$ 次元ネットを組み合わせることで、$(1/2)$-dinet $\mathcal{N}$ を構築する。
• すべての $m$ 部分集合 $A \subset [d]$ における和集合を用いることで、長区間のすべての可能な配置をカバーし、大体積のボックスをカバーする。
• 修正された一様分布を $[0,1]^d$ 上で $\phi_\varepsilon$ を介して用い、確率的議論により、確率的点集合が高確率で分散条件を満たすことを示す。
• 既知の $m$ 次元分散の境界を活用した、$m$ 次元部分空間におけるネットの再帰的構成を採用する。
• 区間長の置換 $\sigma$ を用いて、$m$ 個の最も長い区間を優先し、$A^\sigma$ への射影されたボックスが体積の有意な部分を占めるようにする。

実験結果

リサーチクエスチョン

• RQ1 両方の $n$ と $d$ が増加する際、最小分散 $\mathrm{disp}^*(n,d)$ の最良の可能な上界は何か？
• RQ2 特に $\varepsilon \geq \frac{\ln^2 d}{d}$ の領域において、以前の結果よりも逆分散関数 $N(\varepsilon,d)$ をより鋭く境界づけられるか？
• RQ3 $(1/2)$-dinet の構成は、高次元における確率的点集合の解析をどのように改善するか？
• RQ4 関数 $\phi_\varepsilon$ は、立方体内における長い区間のためのより良い集中境界をどのように可能にするか？
• RQ5 非周期的および周期的設定において、新しい境界は対数要因を除いてどの程度鋭いか？

主な発見

• 本稿は、非周期的設定において、$(1/2)$-dinet のサイズに対して $\exp\left(\frac{9\ln(1/\varepsilon)\ln(18d)}{\varepsilon}\right)$ の新しい上界を確立し、これは $N(\varepsilon,d)$ に対応する境界を示唆する。
• この境界は、対数要因を除いてほぼ鋭く、$\varepsilon \geq \frac{\ln^2 d}{d}$ の領域において、Sosnovec–Ullrich–Vybíral の境界 $\frac{2^7}{\varepsilon^2} \left(\log_2(1/\varepsilon)\right)^2 \log_2 d$ よりも改善している。
• $\varepsilon \geq \frac{C \ln^2 d}{d}$ の場合、新しい境界は Rudolf の境界 $\frac{8d}{\varepsilon} \log_2(33/\varepsilon)$ よりも $\varepsilon$ に依存する部分がより良い性能を示し、改善している。
• $(1/2)$-dinet の構成により、体積が $\varepsilon$ 以上の任意のボックス $B$ に対して、$|B_0| \geq \frac{1}{2}|B|$ かつすべての $z \in B_0$ に対して $\phi_\varepsilon(z) \in B$ を満たす $B_0 \in \mathcal{N}$ が存在することが保証される。
• 部分集合選択、$\sigma$ を用いた区間優先順位付け、および長区間を処理するための注意深く設計された写像 $\phi_\varepsilon$ を組み合わせることで、近似的最適性を達成している。
• 解析により、$\phi_\varepsilon$ を介した修正された一様分布に従って生成された確率的点集合が、高確率で所望の分散境界に達することが確認された。