효율적이며 오류 정정 가능한 멤버십 및 다항식 평가 데이터 구조

초록

이 논문은 적은 공간과 상수 수준의 비트 탐색으로 멤버십 질의와 일변량 다항식 평가를 수행하면서, 전체 비트열의 일정 비율까지 적대적 잡음이 섞여도 대부분의 질의에 대해 정확한 답을 제공하거나 “모름(⊥)”을 반환하도록 설계된 오류‑정정 데이터 구조를 제시한다.

상세 분석

논문은 기존 LDC(Locally Decodable Code)와 RLDC(Relaxed LDC)의 한계를 극복하기 위해 새로운 오류‑정정 데이터 구조 모델을 정의한다. 이 모델은 네 개의 파라미터 (t, δ, ε, λ) 로 표현되는데, t는 비트 탐색 수, δ는 허용되는 잡음 비율, ε는 개별 질의당 오류 확률, λ는 “좋은” 질의 집합 G 의 비율을 나타낸다. 기존 de Wolf 모델은 λ=0 을 요구해 모든 질의에 대해 높은 정확성을 보장했지만, 상수 t 에 대해 인코딩 길이가 초다항적으로 커지는 문제점이 있었다. 반면, RLDC는 λ>0 을 허용해 대부분의 질의에만 정확성을 요구함으로써 인코딩 길이를 거의 선형(≈ s log n)으로 줄일 수 있다.

저자들은 두 주요 문제에 이 모델을 적용한다. 첫 번째는 크기 s ≤ n 인 집합 S⊆