연관된 확률 블록 모델 탐지를 위한 저차 다항식 임계값 분석

초록

본 논문은 평균 차수가 일정한 두 개의 상관된 확률 블록 모델(스파스 SBM)을 독립적인 에르되시-레니 그래프와 구별하는 문제를 저차 다항식 검정기로 연구한다. 저차 다항식이 성공적으로 구별할 수 있는 조건은 서브샘플링 확률 s 가 √α 또는 1/(λ ε²) 중 큰 값보다 클 때이며, 여기서 α≈0.338은 Otter 상수, 1/(λ ε²)는 Kesten‑Stigum 임계값이다. 반대로 s 가 두 값 중 작은 값보다 작으면 저차 다항식 기반 알고리즘은 구별에 실패한다는 하드니스 결과를 제시한다.

상세 분석

이 연구는 두 개의 상관된 스파스 SBM 𝒮(n,λ/n;k,ε;s) 을, 동일한 부모 SBM 𝒮(n,λ/n;k,ε) 에서 각 엣지를 독립적으로 확률 s 로 서브샘플링한 두 그래프 A, B 로 모델링한다. 탐지 문제는 이러한 쌍을 동일한 평균 차수 λs/n 을 갖는 두 독립 에르되시‑레니 그래프 𝒢(n,λs/n) 와 구별하는 것이다. 저차 다항식 검정기는 입력인 A, B 의 인접 행렬 원소에 대한 다항식 P(A,B) 을 고려하며, 차수 D 가 o(log n) 인 경우를 주로 다룬다.

주요 기여는 두 가지 임계값을 정확히 규정한 점이다. 첫 번째는 s > 1/(λ ε²) 인 경우, 즉 Kesten‑Stigum 임계값을 초과하면 저차 다항식이 성공적으로 구별한다는 ‘쉬운’ 영역이다. 두 번째는 s > √α 인 경우이며, 여기서 α≈0.338 은 무한 k‑정규 트리의 전형적인 성장 상수(Otter’s constant)이다. 두 조건 중 하나라도 만족하면 차수 D=ω(1) 이면서 D=o(log n·log log n) 인 다항식으로 구성된 알고리즘이 n^{2+o(1)} 시간에 오류 확률을 o(1) 로 만들 수 있다.

반대로 s < min{√α, 1/(λ ε²)} 인 ‘어려운’ 영역에서는 저차 다항식 검정기의 2‑모멘트(즉, 저차 likelihood ratio)의 기대값이 급격히 발산한다. 저자들은 이를 다루기 위해 ‘좋은 사건’(admissible graphs)으로 조건부 확률을 정의하고, 해당 사건 하에서만 다항식의 기대와 분산을 정밀히 계산한다. 특히, 희소 그래프에서 발생하는 드문 구조(예: 고차 트리 형태)가 2‑모멘트를 폭발시키는 원인임을 보이고, 이를 차단하기 위해 트리 카운팅 기법과 ‘low‑overlap’ 방법을 결합한 새로운 조건부 저차 분석을 제시한다.

이와 더불어, 저차 다항식 하드니스 결과를 기존의 평균‑케이스 복원 문제와 연결한다. Li et al.