[論文レビュー] Non-adaptive probabilistic group testing with noisy measurements: Near-optimal bounds with efficient algorithms

Chun Lam Chan, Pak Hou+2 more|arXiv (Cornell University)|Jul 22, 2011

SARS-CoV-2 detection and testing参考文献 15被引用数 4

ひとこと要約

本稿では、ノイズのある測定値を伴う状況下で、欠陥のあるアイテムを特定するための計算的に効率的で非適応的なグループテストアルゴリズムを提示する。情報理論的下界を厳密に確立し、クエリ複雑度に関する明示的な上界を提供する。必要なテスト数は、$\beta^* \approx \frac{4.36(\sqrt{\delta} + \sqrt{1+\delta})^2}{(1-2q)^2}$ に比例して増加し、ノイズなしおよびノイズありの両状況において、定数因子を除いて下界と一致する。

ABSTRACT

We consider the problem of detecting a small subset of defective items from a large set via non-adaptive "random pooling" group tests. We consider both the case when the measurements are noiseless, and the case when the measurements are noisy (the outcome of each group test may be independently faulty with probability q). Order-optimal results for these scenarios are known in the literature. We give information-theoretic lower bounds on the query complexity of these problems, and provide corresponding computationally efficient algorithms that match the lower bounds up to a constant factor. To the best of our knowledge this work is the first to explicitly estimate such a constant that characterizes the gap between the upper and lower bounds for these problems.

研究の動機と目的

• 非適応的グループテストにおけるノイズのある測定値の下で、既知のオーダー最適な境界とクエリ複雑度の明示的定数の間のギャップを埋めること。
• 必要なテスト数の観点で近似的最適な性能を達成する計算的に効率的なアルゴリズムの開発。
• サイズ $n$ および $d$ に依存しない、テスト数を特徴付ける定数因子 $\beta(q,\delta)$ に対する明示的でタイトな上界および下界の提供。
• 誤り確率の明示的保証とともに、ノイズのある条件下での組合せ的基底追跡法（CBP）および組合せ的直交マッチング追跡法（COMP）の性能分析。
• 理論的境界をシミュレーションによって検証し、理論と実際の間に強い一致を示すこと。

提案手法

• ノイズのあるグループテストに適応した、組合せ的基底追跡法（CBP）および組合せ的直交マッチング追跡法（COMP）の2つのアルゴリズムを提案する。
• 各アイテムが確率 $p = \alpha/d$ で独立にプーリングに含まれる確率的グループテストを用いる。
• チェルノフの不等式および集中不等式を用いて、偽陰性および偽陽性の誤り確率を分析する。
• 誤り確率の両方のバランスを取るために、$\alpha$ およびしきい値 $\Delta$ について最適化することで、クエリ数 $T = \beta \cdot d \log n$ の明示的上界を導出する。
• ファノの不等式および相互情報量の議論を用いて、$\beta(q,\delta)$ に対する情報理論的下界を確立する。
• $\beta^*$ を最小化するために、しきい値 $\Delta^*$ およびパラメータ $\alpha$ を最適化し、最適定数の閉形式表現を導出する。

実験結果

リサーチクエスチョン

• RQ1 サイズ $n$ の集合から $d$ 個の欠陥のあるアイテムを特定するための、固定誤り確率 $\delta$ のもとで、ノイズのある非適応的グループテストに必要な最小テスト数は何か？
• RQ2 計算的に効率的なアルゴリズムは、ノイズのある測定値の下で、情報理論的下界に近いクエリ複雑度を達成できるか？
• RQ3 ノイズのあるグループテストにおけるクエリ複雑度の上界と下界のギャップを特徴付ける明示的定数因子 $\beta(q,\delta)$ は何か？
• RQ4 COMPアルゴリズムにおけるしきい値 $\Delta$ の関数として、偽陽性および偽陰性誤り確率のトレードオフはどのように変化するか？
• RQ5 シミュレーション結果と一致し、$n$ や $d$ に依存しない理論的境界 $\beta^*$ を導出できるか？

主な発見

• 本稿では、クエリ複雑度定数 $\beta^*$ に対する明示的上界を $\beta^* \approx \frac{4.36(\sqrt{\delta} + \sqrt{1+\delta})^2}{(1-2q)^2}$ として導出し、これは情報理論的下界と定数因子を除いて一致する。
• ノイズのあるCOMPアルゴリズムの最適しきい値 $\Delta^*$ は $\Delta^* = \frac{e^{-\alpha}(1-2q)}{q(1+\gamma^{-1/2})}$ として導出され、$\alpha = 0.5$ のとき $\beta^*$ が最小化される。
• 解析により、$\Delta^*$ が偽陽性および偽陰性誤り確率の両方の境界の最大値を最小化するように選ばれた場合、両誤り確率がバランスが取れていることが示される。
• シミュレーションにより、理論的境界と実際の性能の間に強い一致が確認され、導出された式のタイトさが裏付けられる。
• 導出された境界は、$n$ や $d$ に対して漸近的に独立であり、定数 $\beta^*$ は $q$ および $\delta$ のみに依存する。
• 本研究により、定数因子 $\beta(q,\delta)$ がゼロから離れており、$q \to 0.5$ のとき増加することが示され、ノイズの強い状況での困難さが反映されている。