[논문 리뷰] Optimal Error Pseudodistributions for Read-Once Branching Programs

Eshan Chattopadhyay, Jyun-Jie Liao|arXiv (Cornell University)|2020. 02. 17.

Optimization and Search Problems참고 문헌 25인용 수 1

한 줄 요약

이 논문은 독독 분기 프로그램을 위한 간소화되고 향상된 가짜난수 가짜분포(PRPD) 구축법을 제시한다. 시드 길이가 $O(\log n \cdot \log(nw) \cdot \log\log(nw) + \log(1/\varepsilon))$이며, 작은 오차 영역에서 최적 성능을 달성한다. 이 방법은 Braverman, Cohen, 및 Garg의(STOC'18) 구축법보다 시드 길이를 $\log\log(1/\varepsilon)$ 요소만큼 줄이며 분석을 단순화한다.

ABSTRACT

In a seminal work, Nisan (Combinatorica'92) constructed a pseudorandom generator for length $n$ and width $w$ read-once branching programs with seed length $O(\log n\cdot \log(nw)+\log n\cdot\log(1/\varepsilon))$ and error $\varepsilon$. It remains a central question to reduce the seed length to $O(\log (nw/\varepsilon))$, which would prove that $\mathbf{BPL}=\mathbf{L}$. However, there has been no improvement on Nisan's construction for the case $n=w$, which is most relevant to space-bounded derandomization. Recently, in a beautiful work, Braverman, Cohen and Garg (STOC'18) introduced the notion of a pseudorandom pseudo-distribution (PRPD) and gave an explicit construction of a PRPD with seed length $ ilde{O}(\log n\cdot \log(nw)+\log(1/\varepsilon))$. A PRPD is a relaxation of a pseudorandom generator, which suffices for derandomizing $\mathbf{BPL}$ and also implies a hitting set. Unfortunately, their construction is quite involved and complicated. Hoza and Zuckerman (FOCS'18) later constructed a much simpler hitting set generator with seed length $O(\log n\cdot \log(nw)+\log(1/\varepsilon))$, but their techniques are restricted to hitting sets. In this work, we construct a PRPD with seed length $$O(\log n\cdot \log (nw)\cdot \log\log(nw)+\log(1/\varepsilon)).$$ This improves upon the construction in [BCG18] by a $O(\log\log(1/\varepsilon))$ factor, and is optimal in the small error regime. In addition, we believe our construction and analysis to be simpler than the work of Braverman, Cohen and Garg.

연구 동기 및 목표

• 독독 분기 프로그램을 위한 시드 길이를 줄인 가짜난수 가짜분포(PRPD)를 구축하기.
• 특히 Braverman, Cohen, 및 Garg(STOC'18)의 이전 연구에 비해 구축법과 분석을 단순화하기.
• 작은 오차 영역에서 최적의 시드 길이를 달성하여 $\mathbf{BPL} = \mathbf{L}$에 대한 추측에 가까워지기.

제안 방법

• 가짜난수 가짜분포(PRPD)의 프레임워크를 활용하며, 이는 $\mathbf{BPL}$의 랜덤성 제거에 적합한 가짜난수 생성기의 완화된 형태이다.
• 시드 길이에서 $\log\log(nw)$에 대한 의존도를 줄이는 새로운 구축 기법을 도입한다.
• 구조화된 난수 제약 조건을 사용하여 분기 프로그램 내 오차 전파를 정교하게 분석한다.
• 계층적인 가짜난수 접근법을 통해 프로그램의 각 레벨에서 오차 누적도 제어한다.
• 너비 $w$, 길이 $n$, 오차 $\varepsilon$ 사이의 트레이드오프를 최적화하여 개선된 시드 길이를 달성한다.
• 이전 연구에서 사용된 복잡한 조합적 분해를 피하여 구축법을 단순화한다.

실험 결과

연구 질문

• RQ1 독독 분기 프로그램을 위한 PRPD는 시드 길이를 추측된 최적의 $O(\log(nw/\varepsilon))$에 가깝게 만들 수 있는가?
• RQ2 시드 길이의 상한을 유지하거나 향상시키면서 PRPD의 구축법을 단순화할 수 있는가?
• RQ3 시드 길이에 포함된 $\log\log(nw)$ 요소가 작은 오차 영역에서 성능에 어떤 영향을 미치는가?
• RQ4 이전 연구에 비해 분석을 더 투명하고 모듈러하게 만들 수 있는가?
• RQ5 향상된 구축법은 이전 PRPD 연구에서처럼 히팅 세트를 유도할 수 있는가?

주요 결과

• 논문은 시드 길이 $O(\log n \cdot \log(nw) \cdot \log\log(nw) + \log(1/\varepsilon))$를 가지는 PRPD를 구축하였으며, Braverman, Cohen, 및 Garg(STOC'18)의 $\widetilde{O}(\log n \cdot \log(nw) + \log(1/\varepsilon))$ 시드 길이보다 향상된 결과를 얻었다.
• 작은 오차 영역에서 $\varepsilon$가 작을 경우, $\log\log(1/\varepsilon)$ 요소를 줄여 최적의 성능을 달성한다.
• Braverman, Cohen, 및 Garg의 연구에 비해 분석과 구축법이 크게 단순화되어 더 투명한 프레임워크를 제공한다.
• 히팅 세트를 도출할 수 있는 능력을 유지하여, PRPD가 공간 제한된 랜덤성 제거에 유용함을 보존한다.
• $\mathbf{BPL} = \mathbf{L}$ 추측에 가까워지게 하여 최적의 시드 길이까지의 격차를 좁혔다.