[论文解读] Derandomization and Group Testing

Mahdi Cheraghchi|arXiv (Cornell University)|Oct 3, 2010

SARS-CoV-2 detection and testing参考文献 13被引用 5

一句话总结

本文提出了使用随机性导引函数（如提取器和浓缩器）的显式、确定性群组测试方案构造，实现了最优及近似最优的群组测试方案。研究展示了这些工具如何实现具有强理论保证的纠错和阈值群组测试方案，从而在不依赖随机性的前提下，提升了组合群组测试的效率与可靠性。

ABSTRACT

The rapid development of derandomization theory, which is a fundamental area in theoretical computer science, has recently led to many surprising applications outside its initial intention. We will review some recent such developments related to combinatorial group testing. In its most basic setting, the aim of group testing is to identify a set of individuals in a population of items by taking groups of items and asking whether there is a positive in each group. In particular, we will discuss explicit constructions of optimal or nearly-optimal group testing schemes using randomness-conducting functions. Among such developments are constructions of error-correcting group testing schemes using randomness extractors and condensers, as well as threshold group testing schemes from lossless condensers.

研究动机与目标

• 开发显式、确定性的群组测试方案构造方法，以消除对随机化的依赖。
• 解决在组合设置下设计高效且可靠的群组测试协议的挑战。
• 通过去随机化工具，将群组测试扩展至鲁棒变体，如纠错和阈值方案。
• 利用随机性导引函数——特别是提取器和浓缩器——以实现最优或近似最优的性能。
• 弥合去随机化理论进展与组合群组测试中实际应用之间的鸿沟。

提出的方法

• 利用随机性提取器构建可容忍噪声或错误测试结果的纠错群组测试方案。
• 应用无损浓缩器设计阈值群组测试方案，目标是识别缺陷程度超过某一阈值的物品。
• 采用随机性导引函数的显式构造，替代群组测试中的概率方法，确保确定性。
• 通过用具有强统计特性的确定性函数替代随机选择，降低群组测试协议的随机性复杂度。
• 将去随机化理论中的工具——如提取器和浓缩器——整合到组合群组测试框架中，以实现最优查询复杂度。
• 通过将群组测试的结构映射到随机性导引器的属性，建立去随机化技术与群组测试之间的理论联系。

实验结果

研究问题

• RQ1 如何利用随机性导引函数构造显式、确定性的群组测试方案？
• RQ2 随机性提取器在实现最优查询效率的纠错群组测试中起到何种作用？
• RQ3 能否利用无损浓缩器设计具有强理论保证的阈值群组测试方案？
• RQ4 去随机化技术在多大程度上可提升组合群组测试的效率与可靠性？
• RQ5 基于提取器和浓缩器的显式构造与随机化对应方案相比，在性能和鲁棒性方面有何差异？

主要发现

• 本文提出了使用随机性提取器和浓缩器实现最优或近似最优查询复杂度的显式群组测试方案构造。
• 通过随机性提取器成功构建了纠错群组测试方案，实现了对测试错误的鲁棒性。
• 通过无损浓缩器实现了阈值群组测试方案，为识别超过阈值缺陷程度的物品提供了确定性框架。
• 使用显式随机性导引函数消除了对随机化的依赖，同时在群组测试中保持了最优性能。
• 理论框架表明，去随机化工具可系统性地应用于增强组合群组测试协议。
• 研究结果建立了去随机化理论与群组测试之间的强关联，实现了新型确定性、高效且鲁棒的测试方案。