[论文解读] Optimal group testing

Amin Coja‐Oghlan, Oliver Gebhard+2 more|arXiv (Cornell University)|Nov 6, 2019

SARS-CoV-2 detection and testing被引用 10

一句话总结

该论文首次建立了非自适应群体检测的显式、精确的信息论与算法相变，证明了当以高概率识别 $ k = n^\theta $ 名感染者时，$ m_{\text{inf}} = \max\left\{\frac{1-\theta}{\ln 2}, \frac{\theta}{\ln^2 2}\right\} n^\theta \ln n $ 次测试是必要且充分的。此外，论文提出了一种两阶段自适应方案，其测试次数为 $ (1+o(1))m_{\text{ad}} $，与信息论下界完全匹配，从而填补了群体检测理论中长期存在的空白。

ABSTRACT

In the group testing problem the aim is to identify a small set of $k\sim n^θ$ infected individuals out of a population size $n$, $0

研究动机与目标

• 弥合非自适应群体检测中信息论下界与算法上界之间长期存在的差距。
• 建立一个关于识别 $ k = n^\theta $ 名感染者所需测试数的精确阈值 $ m_{\text{inf}} $。
• 设计一种最优的两阶段自适应群体检测方案，其测试次数为 $ (1+o(1))m_{\text{ad}} $，与信息论下界完全匹配。
• 统一并改进先前成果，为自适应与非自适应情形提供匹配的算法与信息论界。

提出的方法

• 通过对手动可区分测试结果配置数的精细化分析，提出一种新的信息论下界。
• 提出一种两阶段自适应方案：第一阶段采用随机 $ d $-出设计，使用 $ m = k $ 次测试识别出大部分感染者；第二阶段使用 $ O(k) $ 次测试解决剩余的不确定性。
• 在第二阶段采用 DD 算法，利用每个健康个体很可能出现在不含任何感染者的测试中的事实，实现正确推断。
• 使用集中不等式与超几何尾部界，证明以高概率，第二阶段中每个感染者均可通过排除所有其他感染者参与的测试被正确识别。
• 采用两轮暴露技术分析第二阶段的测试设计，确保对每个健康个体，均存在一个测试，其中其余所有成员均为健康个体。
• 使用随机 $ d $-出设计，其中 $ d = \lceil 10\ln n \rceil $，以确保测试参与中的充分独立性与集中性。

实验结果

研究问题

• RQ1 非自适应群体检测中，识别 $ k = n^\theta $ 名感染者以高概率所需的精确测试数阈值是多少？
• RQ2 两阶段自适应群体检测方案能否渐近地达到信息论下界 $ m_{\text{ad}} = \frac{1-\theta}{\ln 2} n^\theta \ln n $？
• RQ3 如何利用非自适应结果设计一种测试深度与测试次数均最小化的高效自适应方案？
• RQ4 当 $ k = n^\theta $ 时，自适应群体检测所需的最少测试数是多少？是否可在仅两阶段内实现？

主要发现

• 论文在 $ m_{\text{inf}} = \max\left\{\frac{1-\theta}{\ln 2}, \frac{\theta}{\ln^2 2}\right\} n^\theta \ln n $ 处建立了精确的信息论与算法相变，该值对非自适应群体检测而言既是必要也是充分的。
• 当测试次数超过 $ (1-\varepsilon)m_{\text{inf}} $ 时，可在多项式时间内以高概率识别出感染者集合；当测试次数更少时，则在信息论上不可能实现。
• 构造了一种两阶段自适应方案，其测试次数为 $ (1+o(1))m_{\text{ad}} $，与信息论下界 $ m_{\text{ad}} = \frac{1-\theta}{\ln 2} n^\theta \ln n $ 完全匹配。
• 该自适应方案的第二阶段仅使用 $ O(k) = o(m_{\text{ad}}) $ 次测试，与第一阶段相比在渐近意义上可忽略不计。
• 以高概率，第二阶段的 DD 算法能正确识别所有剩余的感染者，因为每个感染者均处于一个其余成员全为健康个体的测试中。
• 分析表明，第二阶段的阳性测试数以高概率不超过 $ k/2 $，从而可通过 DD 算法实现高效推断。