[论文解读] Optimal non-adaptive group testing

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

SARS-CoV-2 detection and testing被引用 12

一句话总结

本文在非自适应群体检测中建立了尖锐的信息论与算法相变，针对从 $n$ 个人中识别出 $k \sim n^\theta$ 名感染者，使用并行检测。证明了当检测次数超过 $(1+\epsilon)m_{\inf}$ 时，多项式时间算法可高概率识别感染者；而当检测次数少于 $(1-\epsilon)m_{\inf}$ 时，识别在信息论上不可能，从而解决了长期存在的开放问题。

ABSTRACT

In non-adaptive group testing we aim to identify a small set of $k\sim n^ heta$ infected individuals out of a population size $n$, $0< heta<1$. We avail ourselves to a test procedure that can test a group of individuals, with the test rendering a positive result iff at least one individual in the group is infected. All tests are conducted in parallel. The aim is to devise a (possibly randomised) test design with as few tests as possible so that the infected individuals can be identified with high probability. We prove that there occurs a sharp information-theoretic/algorithmic phase transition as the number of tests passes an explicit threshold $m_{\inf}$. Hence, if more than $(1+\epsilon)m_{\inf}$ tests are conducted, then there exist a test design and a polynomial time algorithm that identifies the set of infected individuals with high probability. By contrast, identifying the infected individuals is information-theoretically impossible with fewer than $(1-\epsilon)m_{\inf}$ tests. These results resolve problems prominently posed in [Aldridge et al. 2019, Johnson et al. 2018].

研究动机与目标

• 确定在非自适应群体检测中可靠识别 $k \sim n^\theta$ 名感染者的最少检测次数。
• 弥合对非自适应群体检测的信息论与算法极限理解中的长期差距。
• 确立一个精确的阈值 $m_{\inf}$，用以区分可行与不可行的识别区域。
• 证明当检测次数超过 $(1+\epsilon)m_{\inf}$ 时，存在一种多项式时间算法可成功识别感染者集合。

提出的方法

• 作者基于信息论原理推导出显式的阈值 $m_{\inf}$，代表可靠识别所需的关键检测次数。
• 他们采用概率分析，表明当 $m > (1+\epsilon)m_{\inf}$ 时，随机检测设计可使多项式时间算法高效恢复感染者。
• 证明利用集中不等式和组合论证，以界定识别感染者集合时的错误概率。
• 反证法表明，当检测次数少于 $(1-\epsilon)m_{\inf}$ 时，无论采用自适应还是非自适应方法，均无法以高概率识别感染者集合。
• 该框架结合了随机检测设计与解码算法，利用稀疏性与群体检测结果来重构感染者集合。

实验结果

研究问题

• RQ1 在非自适应群体检测中，是否存在一个精确的阈值 $m_{\inf}$，使得当检测次数低于该值时，识别感染者在信息论上变得不可能？
• RQ2 当检测次数略高于 $m_{\inf}$ 时，多项式时间算法是否能够成功识别感染者集合？
• RQ3 当检测次数跨越 $m_{\inf}$ 时，识别的可行性与不可行性之间是否存在尖锐的相变？
• RQ4 在 $k \sim n^\theta$ 的情形下，阈值 $m_{\inf}$ 如何依赖于稀疏性参数 $\theta$？

主要发现

• 在 $m_{\inf}$ 处存在尖锐相变：若检测次数超过 $(1+\epsilon)m_{\inf}$，则可使用多项式时间算法以高概率实现识别。
• 当检测次数少于 $(1-\epsilon)m_{\inf}$ 时，无论计算能力如何，识别在信息论上均不可能。
• 阈值 $m_{\inf}$ 被显式刻画，并依赖于稀疏性参数 $\theta$。
• 本文解决了 Aldridge 等人（2019）和 Johnson 等人（2018）提出的关于非自适应群体检测基本极限的突出开放问题。
• 研究结果在稀疏情形 $k \sim n^\theta$ 下，为可靠非自适应群体检测所需检测次数建立了紧致边界。
• 研究结果证实，信息论极限与算法阈值在 $m_{\inf}$ 处重合，从而填补了理论理解中长期存在的空白。