반정규화 그래프 스펙트럼을 이용한 SDP 계층 라운딩 혁신

초록

본 논문은 SDP 계층의 벡터 해를 그래프의 스펙트럼(특히 임계값 랭크)과 연결시켜, 2‑CSP와 Unique Games 문제에 대해 적은 라운드 수만으로 최적에 근접한 정수 해를 효율적으로 얻는 새로운 라운딩 기법을 제시한다.

상세 분석

이 논문의 핵심은 “전역 상관관계(global correlation)”라는 개념을 도입해 Lasserre SDP 계층의 고차원 벡터 해를 저차원 구조에 투사하고, 그 구조가 그래프의 임계값 랭크(threshold rank)와 직접적인 관계가 있음을 보인 점이다. 구체적으로, 제약 그래프의 정규화 인접 행렬에서 θ보다 큰 고윳값의 개수인 rank > θ(G)를 기준으로, r > k·rank > θ(𝕀)/poly(ε) 라운드만 사용하면 SDP 최적값과 실제 최적값 사이의 차이가 ε 이하가 된다. 여기서 k는 알파벳 크기이며, Unique Games의 경우 θ를 ε의 다항식으로 잡을 수 있어 알파벳 크기에 무관하게 동일한 보장을 얻는다.

기술적으로는 먼저 Lasser레 계층이 제공하는 “지역 분포(local distributions)”를 이용해 변수 쌍 사이의 상관관계를 추출한다. 그런 다음, 그래프가 저랭크(즉, 작은 rank > θ)를 가질 때, 전체 변수 집합에 걸친 상관관계가 높은 저차원 서브스페이스에 집중된다는 “Low‑Rank Approximation to Sets of Vectors” 결과를 증명한다. 이 서브스페이스에 대한 프로파게이션 라운딩(propagation rounding)을 수행하면, 각 변수에 대한 라벨을 일관되게 선택하면서 전체 제약 만족도 손실을 ε 이하로 억제할 수 있다.

특히 Unique Games에 대해선 라벨 확장 그래프가 아닌 원래 제약 그래프만을 고려해도 충분함을 보였으며, 이는 기존의 “라벨 확장 그래프의 임계값 랭크”에 의존하던 방법보다 훨씬 일반적인 상황에 적용 가능하게 만든다. 또한, 전체 Lasserre 제약을 모두 사용하지 않고도, 임의의 r‑라운드 SDP를 2^{O(r)}·poly(n) 시간에 구현할 수 있음을 보여, 실용적인 알고리즘 복잡도까지 확보했다.

이러한 접근은 최근 Arora‑Barak‑Steurer(ABS) 알고리즘이 달성한 서브지수 시간 성능을 최악의 경우에도 동일하게 재현하면서, 임계값 랭크가 낮은 자연스러운 그래프(예: 무작위 d‑정규 그래프, 작은 집합 확장 그래프 등)에서는 훨씬 빠른 실행 시간을 제공한다. 결과적으로, UGC가 예측하는 “기본 SDP를 다항시간 알고리즘이 개선할 수 없다”는 가설에 대해, 실제로는 “높은 라운드 수가 필요하지만, 라운드 수가 그래프 스펙트럼에 의해 제한된다”는 새로운 관점을 제시한다.