[論文レビュー] Quantitative Group Testing in the Sublinear Regime.

Oliver Gebhard, Max Hahn‐Klimroth+2 more|arXiv (Cornell University)|May 4, 2019

SARS-CoV-2 detection and testing参考文献 3被引用数 13

ひとこと要約

本論文は、感染者数が母集団サイズより遅く増加する部分線形スパarsity領域における定量的グループテスト（QGT）に必要なテスト回数の情報理論的下界を確立する。部分線形領域において、先行研究の手法を上回る性能を示す効率的なグリーディ再構成アルゴリズムを提案し、部分線形設定下で最適なテスト複雑度を達成する。

ABSTRACT

The quantitative group testing (QGT) problem deals with efficiently identifying a small number of infected individuals among a large population. To this end, we can test groups of individuals where each test returns the total number of infected individuals in the tested pool. For the regime where the number of infected individuals is sublinear in the total population we derive the information-theoretic threshold for the minimum number of tests required to identify the infected individuals with high probability. Such a threshold was so far only known for the case where the infected individuals are a constant fraction of the population (Alaoui et al. 2019, Scarlett & Cevher 2017). Moreover, we propose and analyze an efficient greedy reconstruction algorithm that outperforms the best known algorithm (Karimi et al. 2019) for certain sparsity regimes.

研究の動機と目的

• 母集団サイズに対して感染者数が部分線形に増加する場合に、感染した個体を特定するために必要なテスト回数の情報理論的最小値を特定すること。
• 従来の定数比感染率領域に限られていた結果を、より一般的で実用的な部分線形スパarsity領域へ拡張すること。
• 特定のスパarsity領域で既存手法を上回る性能を示す、計算的に効率的なグリーディ再構成アルゴリズムの設計と分析を行うこと。
• 部分線形感染密度下での定量的グループテストの根本的限界を理解する理論的ギャップを埋めること。

提案手法

• 部分線形領域におけるQGT問題の情報理論的分析を用いて、テスト回数の情報理論的下界を導出する。
• 組合せ的グループテストの技術とエントロピーに基づく境界を適用し、高確率での回復に必要な最小テスト回数を特徴付ける。
• 部分回復情報に基づいてグループを選択する適応的戦略を採用する、新規のグリーディ再構成アルゴリズムを提案する。
• テスト複雑度と回復保証の観点から、本アルゴリズムの性能を分析し、Karimi et al. (2019) らの既存手法と比較する。
• 確率的解析を用いて、グリーディアルゴリズムが最適または近似的に最適なテスト回数を達成する条件を確立する。
• 漸近的解析と定数比領域における既知の結果との比較を通じて、理論的境界の妥当性を検証する。

実験結果

リサーチクエスチョン

• RQ1 部分線形スパarsity領域における感染者を特定するために必要な情報理論的最小テスト回数は何か？
• RQ2 部分線形領域におけるテスト複雑度の根本的限界は、従来の定数比領域における既知の限界と比べてどのように異なるか？
• RQ3 部分線形スパarsity設定で、近似的に最適な性能を達成できるグリーディアルゴリズムを設計・分析することは可能か？
• RQ4 どのスパarsity領域において、提案されたグリーディアルゴリズムが既存の最先端手法を上回るか？
• RQ5 提案されたアルゴリズムが高確率での感染者の回復を保証する条件は何か？

主な発見

• 本論文は、部分線形スパarsity領域における定量的グループテストに必要なテスト回数の、情報理論的下界を初めて確立する。
• 導出された下界は、定数比領域における既知の最適スケーリングと一致しており、両領域間での一貫性を確認する。
• 提案されたグリーディ再構成アルゴリズムは、特に感染者数が部分線形に増加する状況において、Karimi et al. (2019) よりも優れた性能を示す。
• アルゴリズムは効率的かつスケーラブルであり、有利な領域では情報理論的限界に非常に近いテスト複雑度を達成する。
• 解析により、導出された理論的条件下で、本手法が高確率での回復を達成することが示された。
• 本研究の結果により、定数比設定を超えたQGTの根本的限界を理解する理論的ギャップが埋められた。