[论文解读] Deterministic Approximate Counting for Juntas of Degree-$2$ Polynomial Threshold Functions

Anindya De, Ilias Diakonikolas+1 more|arXiv (Cornell University)|Nov 27, 2013

Markov Chains and Monte Carlo Methods参考文献 42被引用 5

一句话总结

本文提出了首个针对由二次多项式阈值函数（PTF）组成的深度-3布尔电路的满足赋值近似计数的确定性多项式时间算法。通过引入针对二次高斯分布的新型多维中心极限定理（CLT），以及针对k重次数为d的PTF的广义正则性引理，作者将确定性近似计数从单个PTF扩展到了布尔立方体上更复杂的类似junta的结构。

ABSTRACT

Let $g: \{-1,1\}^k o \{-1,1\}$ be any Boolean function and $q_1,\dots,q_k$ be any degree-2 polynomials over $\{-1,1\}^n.$ We give a \emph{deterministic} algorithm which, given as input explicit descriptions of $g,q_1,\dots,q_k$ and an accuracy parameter $\eps>0$, approximates \[\Pr_{x \sim \{-1,1\}^n}[g(\sign(q_1(x)),\dots,\sign(q_k(x)))=1]\] to within an additive $\pm \eps$. For any constant $\eps > 0$ and $k \geq 1$ the running time of our algorithm is a fixed polynomial in $n$. This is the first fixed polynomial-time algorithm that can deterministically approximately count satisfying assignments of a natural class of depth-3 Boolean circuits. Our algorithm extends a recent result \cite{DDS13:deg2count} which gave a deterministic approximate counting algorithm for a single degree-2 polynomial threshold function $\sign(q(x)),$ corresponding to the $k=1$ case of our result. Our algorithm and analysis requires several novel technical ingredients that go significantly beyond the tools required to handle the $k=1$ case in \cite{DDS13:deg2count}. One of these is a new multidimensional central limit theorem for degree-2 polynomials in Gaussian random variables which builds on recent Malliavin-calculus-based results from probability theory. We use this CLT as the basis of a new decomposition technique for $k$-tuples of degree-2 Gaussian polynomials and thus obtain an efficient deterministic approximate counting algorithm for the Gaussian distribution. Finally, a third new ingredient is a for \emph{$k$-tuples} of degree-$d$ polynomial threshold functions. This generalizes both the regularity lemmas of \cite{DSTW:10,HKM:09} and the regularity lemma of Gopalan et al \cite{GOWZ10}. Our new regularity lemma lets us extend our deterministic approximate counting results from the Gaussian to the Boolean domain.

研究动机与目标

• 开发一种确定性多项式时间算法，用于近似计算由二次多项式符号函数评估构成的布尔函数在布尔输入中满足的比例。
• 将先前针对单个二次PTF的研究工作扩展到更复杂的k重此类函数构成的junta-like结构情形。
• 通过引入新颖的正则性与分解工具，建立一个在布尔超立方体上实现确定性近似计数的一般框架，实现高斯域与布尔域之间的桥梁连接。

提出的方法

• 基于Malliavin微积分技术，为独立同分布高斯变量中的k重二次多项式建立新的多维中心极限定理（CLT）。
• 利用新建立的高斯CLT，设计一种分解技术，以近似高斯测度下k重二次多项式分布。
• 基于分解与CLT近似，构建一个针对高斯域的确定性近似计数算法。
• 提出针对k重次数为d的多项式阈值函数（PTF）的广义正则性引理，扩展了先前针对单个PTF及DSTW与GOWZ所提出正则性引理的结果。
• 利用新提出的正则性引理，将高斯域的计数算法转移到布尔域，确保加法误差在±ε范围内。
• 将所有组件整合为一个单一的确定性算法，对任意固定的ε > 0和固定k ≥ 1，其运行时间为n的固定多项式。

实验结果

研究问题

• RQ1 能否将确定性近似计数从单个二次PTF扩展到包含多个此类函数的更复杂电路？
• RQ2 分析高斯空间中多个二次多项式联合分布时，需要哪些新颖的概率工具？
• RQ3 如何构建k重次数为d的PTF的正则性引理，以实现从高斯域到布尔域的有效转移？
• RQ4 在何种最小结构假设下，仍可实现高效确定性计数？
• RQ5 能否利用现代随机分析工具（如Malliavin微积分）证明关于二次多项式的多维中心极限定理？

主要发现

• 本文提出了一种确定性算法，可在任意常数ε > 0和固定k下，以n的多项式时间，将k个二次PTF构成的junta的满足测度近似到±ε范围内。
• 建立了针对高斯变量中二次多项式的新型多维中心极限定理，使联合分布的精确近似成为可能。
• 针对k重次数为d的PTF的广义正则性引理，使得从高斯域到布尔域的有效分解与结果转移成为可能。
• 该算法对任意固定的ε > 0和固定k，实现了n的固定多项式时间复杂度，与ε无关，标志着在单个PTF研究基础上的重大突破。
• 该框架将确定性计数扩展到了此前无法实现的更广泛深度-3电路类别，包括结构化的二次PTF juntas。
• 结果表明，对于一个非平凡的深度-3布尔电路类，确定性近似计数是可行的，解决了该领域的一个关键开放问题。