[論文レビュー] Hidden cliques and the certification of the restricted isometry property

Pascal Koiran, Anastasios Zouzias|arXiv (Cornell University)|Nov 4, 2012

Sparse and Compressive Sensing Techniques参考文献 17被引用数 5

ひとこと要約

この論文は、感知行列の制限付き等長性性質（RIP）パラメータの近似の計算的困難性を確立し、隠れクリーク問題が困難であるという仮定のもと、多項式時間アルゴリズムが小さなRIPパラメータと著しく大きなパラメータを持つ行列を区別できないことを示している。また、√nの障壁を超えるRIP検証のためのラクな列挙アルゴリズムを提案し、ブルートフォース法に比べて準多項式時間の改善をもたらしている。

ABSTRACT

Compressed sensing is a technique for finding sparse solutions to underdetermined linear systems. This technique relies on properties of the sensing matrix such as the restricted isometry property. Sensing matrices that satisfy this property with optimal parameters are mainly obtained via probabilistic arguments. Deciding whether a given matrix satisfies the restricted isometry property is a non-trivial computational problem. Indeed, we show in this paper that restricted isometry parameters cannot be approximated in polynomial time within any constant factor under the assumption that the hidden clique problem is hard. Moreover, on the positive side we propose an improvement on the brute-force enumeration algorithm for checking the restricted isometry property.

研究の動機と目的

• 感知行列の制限付き等長性性質（RIP）を検証または近似する際の計算複雑性を調査すること。
• 特に、従来の手法が失敗する√nの閾値を超えるRIPパラメータを証明するための効率的アルゴリズムが存在するかどうかを特定すること。
• RIP行列の確率的構成と明示的・証明可能な構成との間のギャップを、アルゴリズム的証明の可能性を分析することで埋めること。
• RIP検証と隠れクリーク問題との関係を確立し、グラフ理論からの困難性仮定を圧縮センシングに移転すること。

提案手法

• 隠れクリーク問題から、小さなRIPパラメータと大きなRIPパラメータを持つ行列を区別する問題への還元を活用する。
• 行列 $ C'(G) = \begin{pmatrix} C(G) & 0 \\ 0 & B_n \end{pmatrix} $ を構築し、ここで $ C(G) $ はグラフ $ G $ を符号化し、$ B_n $ は高い確率でRIPを満たすランダム行列である。
• グラフ $ G $ に大きなクリークが含まれる場合、$ C(G) $ は大きなパラメータでRIPを満たさないが、そうでない場合には小さなパラメータでRIPを満たすという事実を利用する。
• 集中度の結果（例えば、定理2）を用いて、特定の $ k $ および $ \delta $ に対してランダム行列 $ B_n $ が高確率でRIPを満たすことを示す。
• Erdős–Rényiのランダムグラフ $ G(n,1/2) $ において、サイズ $ n^{1/2 - \epsilon} $ のクリークを検出できる多項式時間アルゴリズムが存在しないという仮定 $ H'_{\epsilon} $ を採用する。
• 仮想の多項式時間アルゴリズムがRIPパラメータを区別できると仮定すると、隠れクリーク仮定に矛盾することを示し、困難性結果を導出する。

実験結果

リサーチクエスチョン

• RQ1 任意の定数要因内で、行列の制限付き等長性性質（RIP）パラメータを多項式時間で近似できるか？
• RQ2 サイズ $ k > \sqrt{n} $ の行列に対するRIPの検証に計算的障壁があり、その原因は何か？
• RQ3 ブルートフォース列挙アルゴリズムによるRIPのチェックをどの程度改善できるか。また、$ \sqrt{n} $ の障壁を超えることは可能か？
• RQ4 隠れクリーク問題の困難性は、圧縮センシングにおけるRIPパラメータの証明の複雑性とどのように関係しているか？

主な発見

• 仮定 $ H'_{\epsilon} $ のもとでは、多項式時間アルゴリズムは、$ k = n^{(1-2\epsilon)(1-\epsilon)} $ の場合に、RIPパラメータ $ \delta = n^{-5\epsilon/4 + \epsilon^2/2} $ と $ \geq n^{-\epsilon}/4 $ の行列を区別できない。
• 困難性結果は、サイズ $ 2n \times 100n $ の行列に対しても適用可能であり、長方形行列に対してもRIPパラメータの近似が困難であることを示している。
• ラクな列挙アルゴリズムが提案され、$ \binom{N}{k} $ の完全な列挙を避けるために、$ l < k $ のサイズの小さな部分空間を用いることで、$ \sqrt{n} $ の障壁を超える準多項式時間での検証が可能になる。
• 理論的トレードオフが確立された：より低い順序のRIPパラメータを用いて、与えられた $ k $ と $ \delta $ を達成することが十分であり、再帰的または反復的証明戦略の実現が可能になる。
• 特に $ k = n^{1/3} $ の場合、$ H_{1/6} $ の下で $ \delta_1 = n^{-1/4} $ と $ \delta_2 = n^{-1/6}/4 $ を区別することは困難であることが示され、困難性フレームワークの堅牢性が裏付けられた。
• これらの結果は、$ n \to \infty $ の際に $ \delta \to 0 $ となるほとんどのランダム行列について、RIPを証明することが、隠れクリーク仮定が誤りでない限り、計算的に不可能であることを示唆している。