[论文解读] On the $K$-sat model with large number of clauses

Dmitry Panchenko|arXiv (Cornell University)|Aug 22, 2016

Topological and Geometric Data Analysis参考文献 17被引用 3

一句话总结

本文为具有 $\alpha N$ 个子句的 $K$-满足性模型在 $\alpha \to \infty$ 时，建立了未满足子句期望最小比例的精确渐近公式，表明其为 $\frac{\alpha}{2^K} - \frac{\sqrt{\alpha}}{2^K} \mathbb{E}M_N + o(\sqrt{\alpha})$，其中 $\mathbb{E}M_N$ 为混合 $p$-自旋自旋玻璃的期望归一化最大能量。该结果严格证实了此前通过非严格副本方法推导出的 Leuzzi-Parisi 公式。

ABSTRACT

We show that in the $K$-sat model with $N$ variables and $αN$ clauses, the expected ratio of the smallest number of unsatisfied clauses to the number of variables is $α/2^K - \sqrtα c_*(N)/2^K$ up to smaller order terms $o(\sqrtα)$ as $α o\infty$ uniformly in $N$, where $c_*(N)$ is the expected normalized maximum energy of some specific mixed $p$-spin spin glass model. The formula for the limit of $c_*(N)$ is well known in the theory of spin glasses.

研究动机与目标

• 推导当子句数 $\alpha N$ 较大时，$K$-满足性模型中未满足子句期望最小比例的精确渐近表达式。
• 确定最优子句满足率渐近展开的主导校正项，表明其随 $-\frac{\sqrt{\alpha}}{2^K} \mathbb{E}M_N$ 变化。
• 通过 Guerra-Toninelli 插值法，将 $K$-满足性模型在大 $\alpha$ 下的行为与已充分理解的混合 $p$-自旋自旋玻璃模型联系起来。
• 通过将该公式与自旋玻璃的 Parisi 公式关联，为此前使用非严格副本方法推导出的 Leuzzi-Parisi 公式提供严格基础。

提出的方法

• 作者采用 Guerra-Toninelli 插值技术，将 $K$-满足性哈密顿量与具有协方差结构 $\mathbb{E}H(\sigma^1)H(\sigma^2) = N\xi(R_{1,2})$ 的混合 $p$-自旋自旋玻璃模型关联，其中 $\xi(x) = (1+x)^K - 1$。
• 他们定义了一个依赖时间的哈密顿量 $H(t, \sigma)$，在 $t=0$ 时对应 $K$-满足性模型，在 $t=1$ 时对应混合 $p$-自旋模型，并分析自由能 $\varphi(t) = \frac{1}{N} \mathbb{E} \log \sum_{\sigma} \exp H(t, \sigma)$ 的导数。
• 通过选择插值参数 $\beta = \frac{\sqrt{\alpha}(1 - e^{-\delta})}{2^K}$，他们消除了 $\varphi'(t)$ 中的主导重叠相关项，从而分离出包含 $\mathbb{E}M_N$ 的校正项。
• 他们利用泰勒展开和矩估计方法控制插值展开中的余项，证明当 $\delta$ 较小时有 $|\mathrm{III}| = O(\alpha \delta^3)$。
• 通过设定 $\delta = \alpha^{-1/3}$，他们平衡了各项误差，并推导出 $\mathbb{E}M_{N,\alpha}$ 的最终渐近公式。
• 该证明依赖于混合 $p$-自旋模型中 Parisi 公式的已知结果，特别是自由能在零温极限下的表达式，该表达式给出了 $\mathbb{E}M_N$。

实验结果

研究问题

• RQ1 当 $\alpha \to \infty$ 时，$K$-满足性模型中未满足子句期望最小比例的精确渐近行为是什么？
• RQ2 对主导项 $\alpha / 2^K$ 的校正项如何依赖于 $K$-满足性实例的结构？
• RQ3 能否通过自旋玻璃理论严格推导出此前使用非严格副本方法得到的 $K$-满足性模型的 Leuzzi-Parisi 公式？
• RQ4 混合 $p$-自旋自旋玻璃模型在理解大子句密度下 $K$-满足性模型的典型行为中起什么作用？
• RQ5 Guerra-Toninelli 插值中的余项如何影响渐近展开的精度？

主要发现

• 具有 $\alpha N$ 个子句的 $K$-满足性模型中，未满足子句的期望最小比例渐近为 $\frac{\alpha}{2^K} - \frac{\sqrt{\alpha}}{2^K} \mathbb{E}M_N + R(\alpha)$，其中当 $\alpha \geq L$ 时有 $|R(\alpha)| \leq L \alpha^{1/3}$。
• 校正项与 $\sqrt{\alpha}$ 成正比，其系数 $\mathbb{E}M_N$ 为具有 $\xi(x) = (1+x)^K - 1$ 的混合 $p$-自旋自旋玻璃模型的期望归一化最大能量。
• 该公式确认了通过副本方法推导出的 Leuzzi-Parisi 公式，并为 $\sqrt{\alpha}$ 校正项提供了严格推导。
• 该结果在 $\alpha \to \infty$ 时对 $N$ 一致成立，且当 $\alpha \gg (2^K)^6$ 时余项小于校正项，该条件远超 $K$-满足性相变点。
• 混合 $p$-自旋模型的 Parisi 公式在零温极限下给出了 $\mathbb{E}M_N$ 的精确值，该结果因自旋玻璃理论的近期进展而被严格确立。
• 该证明表明，将结果推广至有限 $\alpha$ 的关键挑战在于控制插值中的多重复合项 $Q_{1,\ldots,n}$，这些项被推测为重叠 $R_{\ell,\ell'}$ 的连续函数。