[论文解读] Smoothing Brascamp-Lieb Inequalities and Strong Converses for Common Randomness Generation

Jingbo Liu, Thomas A. Courtade+2 more|arXiv (Cornell University)|Feb 6, 2016

Diffusion and Search Dynamics参考文献 15被引用 3

一句话总结

本文建立了光滑 Brascamp-Lieb 不等式与公共随机性（CR）生成之间的对偶性，通过利用源自函数不等式的单次单 shot 对偶性，在离散和高斯设置下证明了 CR 生成的强 converse。关键贡献在于首次为带有辅助随机变量的连续信源建立了强 converse，该成果通过一种新颖的 Brascamp-Lieb 常数平滑技术实现，该技术在极限下收敛至互信息界。

ABSTRACT

We study the infimum of the best constant in a functional inequality, the Brascamp-Lieb-like inequality, over auxiliary measures within a neighborhood of a product distribution. In the finite alphabet and the Gaussian cases, such an infimum converges to the best constant in a mutual information inequality. Implications for strong converse properties of two common randomness (CR) generation problems are discussed. In particular, we prove the strong converse property of the rate region for the omniscient helper CR generation problem in the discrete and the Gaussian cases. The latter case is perhaps the first instance of a strong converse for a continuous source when the rate region involves auxiliary random variables.

研究动机与目标

• 建立光滑 Brascamp-Lieb 不等式与公共随机性（CR）生成问题之间的对偶性。
• 在离散和高斯无记忆信源中，证明 CR 生成的强 converse 定理。
• 开发一种单次单 shot 对偶性方法，避免依赖类型法，特别是针对连续信源。
• 证明：在接近乘积分布的测度上对 Brascamp-Lieb 不等式中的最优常数进行平滑处理，可在渐近极限下得到类似互信息的界。
• 将强 converse 证明的适用范围扩展至涉及随机编码器和解码器的问题，并推导出二阶渐近界。

提出的方法

• 通过在乘积测度的总变差邻域内对辅助测度最小化最优常数，引入广义 Brascamp-Lieb（GBLL）不等式的平滑版本。
• 将 GBLL 不等式应用于单次单 shot CR 生成，使用指示函数建模解码集合，并推导出生成密钥分布与均匀分布之间的总变差界。
• 利用 CR 生成可实现性与光滑 BLL 对偶性之间的对偶关系，证明 CR 可实现性意味着光滑 BLL 常数的下界。
• 采用单次单 shot 对偶性界（定理 20），将密钥分布偏离均匀性的程度与平滑 Brascamp-Lieb 常数联系起来。
• 在高斯情形下细化分析，推导出包含一个常数项的二阶对偶性界，该常数项捕捉了与渐近速率区域的偏离。
• 证明：在正则条件下，对平滑测度上 GBLL 常数的下确界在极限下收敛至基于互信息的常数。

实验结果

研究问题

• RQ1 当涉及辅助随机变量时，是否可以为连续无记忆信源中的公共随机性生成问题证明强 converse？
• RQ2 在渐近极限下，平滑 Brascamp-Lieb 不等式中最优常数的下确界是否收敛至基于互信息的表达式？
• RQ3 能否利用 CR 生成与光滑 Brascamp-Lieb 不等式之间的对偶性，无需依赖类型法来推导强 converse？
• RQ4 在高斯情形下，CR 生成的二阶渐近行为如何与平滑 Brascamp-Lieb 常数相关联？
• RQ5 所提出的方法能否处理随机编码器和解码器，而传统方法如类型法则不能？

主要发现

• 在存在辅助随机变量的情况下，全知协助者公共随机性生成问题在离散和高斯情形下均满足强 converse。
• 在正则条件下，光滑 Brascamp-Lieb 常数在渐近极限下收敛至基于互信息的常数，从而支持强 converse 证明。
• 该方法适用于随机编码器和解码器，突破了类型法的局限性。
• 在高斯情形下，推导出二阶对偶性界，表明与渐近速率区域的偏离由一个包含平滑 BLL 常数的常数项所界定。
• 建立了 CR 生成与光滑 BLL 之间的对偶性：CR 生成的可实现性意味着光滑 BLL 常数的下界，反之亦然。
• 本文首次为带有辅助变量的连续信源提供了强 converse，标志着网络信息论的重要进展。