[論文レビュー] Bounding the Average Move Structure Query for Faster and Smaller RLBWT Permutations

Nathaniel K. Brown, Ben Langmead|arXiv (Cornell University)|Feb 11, 2026

Algorithms and Data Compression被引用数 0

ひとこと要約

この論文は、最適時間の平均クエリを上回る構築時間を改善し、空間を削減し、RLBWT置換における最適時間のBWT反転とSA列挙を可能にする長さ制限付きムーブ構造を導入する。

ABSTRACT

The move structure represents permutations with long contiguously permuted intervals in compressed space with optimal query time. They have become an important feature of compressed text indexes using space proportional to the number of Burrows-Wheeler Transform (BWT) runs, often applied in genomics. This is in thanks not only to theoretical improvements over past approaches, but great cache efficiency and average case query time in practice. This is true even without using the worst case guarantees provided by the interval splitting balancing of the original result. In this paper, we show that an even simpler type of splitting, length capping by truncating long intervals, bounds the average move structure query time to optimal whilst obtaining a superior construction time than the traditional approach. This also proves constant query time when amortized over a full traversal of a single cycle permutation from an arbitrary starting position. Such a scheme has surprising benefits both in theory and practice. For a move structure with $r$ runs over a domain $n$, we replace all $O(r \log n)$-bit components to reduce the overall representation by $O(r \log r)$-bits. The worst case query time is also improved to $O(\log \frac{n}{r})$ without balancing. An $O(r)$-time and $O(r)$-space construction lets us apply the method to run-length encoded BWT (RLBWT) permutations such as LF and $ϕ$ to obtain optimal-time algorithms for BWT inversion and suffix array (SA) enumeration in $O(r)$ additional working space. Finally, we provide the RunPerm library, providing flexible plug and play move structure support, and use it to evaluate our splitting approach. Experiments find length capping results in faster move structures, but also a space reduction: at least $\sim 40\%$ for LF across large repetitive genomic collections.

研究の動機と目的

• RLBWTとムーブ構造を用いた反復的ゲノムデータ向けの圧縮インデックスを動機づける。
• 平均ムーブクエリ時間を制限しつつ空間を削減する長さ制限付き分割法を提案する。
• 非均一なムーブ構造は線形時間構築で長さ制限バリアントに変換可能であることを示す。
• LFとphiの置換でRunPermライブラリを用いて実用的な性能利得を示す。

提案手法

• r個のランとO(r)空間を持つ置換のムーブ構造を定義する。
• 長さ制限を導入する：区間を分割して最大長さL = c * (n/r)とする。
• 長さ制限付きムーブ構造は、nステップ（単一サイクル）に渡る平均O(1)時間のムーブクエリと全体でO(n)時間を持つことを証明する。
• 均衡化せずとも最悪ケースのムーブクエリをO(log(n/r))へ改善することを示す。
• O(r)時間・O(r)空間の構築を提供し、BWT反転とSA列挙をO(n)時間・O(r)空間で可能にする。
• LF, FL, phi および phi^{-1} バリアントをサポートするビットパック表現を用いたRunPermライブラリを実装する。

実験結果

リサーチクエスチョン

• RQ1 長さ制限は完全なサイクル置換全体にわたるムーブクエリを定常時間で保証できるか。
• RQ2 O(r log n)ビット成分を長さ制限表現に置換することでどれだけ空間を節約できるか。
• RQ3 長さ制限付きムーブ構造はRLBWT置換における最適時間のBWT反転とSA列挙をサポートできるか。
• RQ4 実データセットのゲノムにおける従来の平衡化を行うMove-rなどと比較した実用的な性能と空間トレードオフは。

主な発見

LF Structure	Construction (s)	- Intervals	Size (MB)	Avg. Time (ns)
RunPerm	-	32,400K	311.85	98.34
RunPerm : α=2	-	33,579K	327.39	98.79
RunPerm : α=4	-	32,537K	313.17	99.18
RunPerm : α=8	-	32,430K	312.04	99.07
RunPerm : α=16	-	32,402K	311.87	98.09
RunPerm : c=0.5	22.75	90,473K	395.82	97.50
RunPerm : c=1	13.49	50,116K	225.52	95.13
RunPerm : c=2	9.84	37,289K	177.12	90.36
RunPerm : c=4	8.94	34,021K	170.11	86.55
RunPerm : c=8	8.67	32,998K	169.12	85.99
RunPerm : c=16	8.38	32,612K	175.29	86.54
RunPerm : c=32	8.57	32,474K	182.67	87.61
Move-r : α=2	10.71	33,948K	305.53	89.24
Move-r : α=4	9.82	32,988K	296.89	89.61
Move-r : α=8	9.75	32,923K	296.31	90.00
Move-r : α=16	9.77	32,922K	296.30	89.62

• 長さキャップ（最大区間長L = c * n/r）は、n個の異なるムーブクエリに対して平均して最大でc+1個の高速フォワードを返す。
• 全体のn回のクエリで高速フォワードの総数はn*c + nに制限され、n回のクエリで総時間はO(n)（クエリあたり平均O(1)）となる。
• O(r log n)ビット成分を長さ制限表現に置換することで空間を概ねO(r log r)ビット削減できる。
• 最悪ケースのムーブクエリは長さ制限構造上の指数検索を用いてO(log(n/r))へ改善する。
• RLBWT置換のLFおよびφ（およびその逆）に対して、長さ制限ムーブ構造は最適なO(n)のBWT反転とO(r)の追加空間でSA列挙を可能にする。
• 実験結果は、長さキャップが平均ムーブクエリを速くし、非均衡または従来の平衡化アプローチと比較して大幅な空間削減（おおよそ40-46%程度）をLFベースの設定で示す。
• RunPermライブラリは長さキャップを実装しており、平衡化のみの手法よりしばしば優れており、長さキャップと平衡化を組み合わせると最良の結果を得られる。