[论文解读] Nonadaptive group testing with random set of defectives via constant-weight codes

Arya Mazumdar|arXiv (Cornell University)|Mar 12, 2015

SARS-CoV-2 detection and testing参考文献 43被引用 6

一句话总结

本文提出了一种针对随机缺陷子的非自适应群组测试矩阵的显式确定性构造方法，利用常权码的平均距离特性（超越最小距离），实现了 O(t log N) 次测试——与信息论极限一致。该方法通过将码的距离特性与 (t+1)-wise 识别属性关联，实现了最优性能。

ABSTRACT

In a group testing scheme, set of tests are designed to identify a small number t of defective items that are present among a large numberN of items. Each test takes as input a group of items and produces a binary output indicating whether any defective item is present in the group. In a non-adaptive scheme the tests have to be designed in one-shot. In this setting, designing a testing scheme is equivalent to the construction of a disjunct matrix, anM N binary matrix where the union of supports of anyt columns does not contain the support of any other column. In principle, one wants to have such a matrix with minimum possible number M of rows. In this paper we consider the scenario where defective items are random and follow simple probability distributions. In particular we consider the cases where 1) each item can be defective independently with probability t N and 2) each t-set of items can be defective with uniform probability. In both cases our aim is to design a testing matrix that successfully identifies the set of defectives with high probability. Both of these models have been studied in the literature before and it is known that O(t logN) tests are necessary as well as sufficient (via random coding) in both cases. Our main focus is explicit deterministic construction of the test matrices amenable to above scenarios. One of the most popular ways of constructing test matrices relies on constant-weight error-correcting codes and their minimum distance. In particular, it is known that codes result in test matrices with O(t 2 logN) rows that identify anyt defectives. We go beyond the minimum distance analysis and connect the average distance of a constant weight code to the parameters of the resulting test matrix. Indeed, we show how distance, a pairwise property of the columns of the matrix, translates to a (t+1)-wise property

研究动机与目标

• 为随机缺陷子模型下群组测试矩阵的显式确定性构造方法填补空白。
• 通过利用常权码中的平均距离特性，改进现有 O(t² log N) 的构造方法。
• 设计出在随机缺陷子模型下可达到信息论下限 O(t log N) 测试次数的测试矩阵。
• 建立成对码距离特性与群组测试中 (t+1)-wise 识别属性之间的联系。
• 提供一种确定性替代方案，以替代以往仅以高概率成功的随机编码方法。

提出的方法

• 以常权纠错码为基础，用于构建非自适应群组测试中的分离矩阵。
• 超越最小距离分析，引入码字之间平均距离特性的研究。
• 设计测试矩阵，使得列对应码字，确保任意 t 列的并集不包含另一列的支撑集。
• 通过码字的平均距离分析 (t+1)-wise 识别特性，建立码结构与测试鲁棒性之间的联系。
• 证明常权码中的平均距离可使在随机模型下以高概率成功识别出 t 个缺陷子。
• 证明当缺陷子服从独立或均匀随机 t-子集分布时，O(t log N) 行足以构成最终矩阵。

实验结果

研究问题

• RQ1 能否利用具有平均距离特性的常权码，构造出显式、确定性的群组测试矩阵，使随机缺陷子模型下的测试次数达到 O(t log N)？
• RQ2 码字的平均距离与群组测试中所需的 (t+1)-wise 识别特性之间有何关系？
• RQ3 在随机缺陷子模型下，能否通过显式构造实现与信息论下限 O(t log N) 测试次数一致的结果？
• RQ4 码结构（超越最小距离）在实现针对随机缺陷子的高效非自适应群组测试中起到何种作用？
• RQ5 利用常权码中的平均距离特性，是否能实现一种优于现有 O(t² log N) 方法的确定性构造？

主要发现

• 所提方法实现了 O(t log N) 次测试，与两种随机缺陷子模型的信息论下限完全一致。
• 通过分析常权码中的平均距离，建立了码的成对属性与群组测试中 (t+1)-wise 识别特性之间的联系。
• 该构造为随机编码提供了一种显式确定性替代方案，而此前仅能以高概率实现 O(t log N) 测试。
• 该方法通过超越最小距离的码距离精细化分析，改进了以往需要 O(t² log N) 测试次数的确定性构造。
• 该方法在独立和均匀随机 t-子集模型下，均能以高概率成功识别缺陷子集合。
• 理论框架表明，常权码中的平均距离足以保证非自适应群组测试中的分离性与可靠识别。