다중 파티 통신 복잡도와 불일치 함수의 새로운 하한

이 논문은 ‘머리 위에 숫자’(Number‑on‑the‑Forehead, NOF) 모델에서 k명의 플레이어가 협력해 Disjointness 함수를 계산할 때, 무작위 통신 복잡도에 대한 새로운 하한을 제시한다. 기존 연구에서는 세 명의 플레이어에 대해서도 Ω(log n) 정도의 하한만 알려져 있었으며, k가 증가해도 다항식 수준 이상의 하한을 얻는 것이 매우 어려웠다. 저자들은 Sherstov가 제안한 근사 다항식 차수(approximate degree)를 이용한 두 사람 통신 하한 기법을 다중 파티 상황에 맞게 확장한다. 구체적으로, 다음과 같은 세 가지 핵심 도구를 결합한다. 1. **일반화된 불일치 방법(Generalized Discrepancy Method)** 기존 불일치 정리는 함수 f와 동일한 함수 g가 작은 불일치를 가질 때 f의 무작위 통신 복잡도가 크다는 것을 보인다. 여기서는 f와 g가 높은 상관관계( Corr_µ(f,g)≥δ )를 가지면서 g가 작은 불일치를 보이는 경우에도 동일한 결론을 얻는 일반화된 형태를 도입한다. 이는 Lemma 3.2에 정리되어 있다. 2. **근사/정규성 원리(Approximation/Orthogonality Principle)** Sherstov의 기법에 따라, 근사 차수가 높은 함수 f에 대해, f와 높은 상관을 유지하면서도 낮은 차수 다항식에 대해 정규성을 만족하는 함수 g를 구성할 수 있다. 이 단계는 f의 근사 차수 d와 상관계수 δ를 명시적으로 연결한다. 3. **정규성‑불일치 레마(Orthogonality‑Discrepancy Lemma)** Chattopadhyay가 제시한 이 레마는 정규성을 만족하는 함수 g를 적절히 ‘마스크(mask)’하여 k‑파티 함수 G_g^k를 만들면, 특정 비균등 분포 µ 아래에서 G_g^k의 불일치가 매우 작아짐을 보인다. 즉, 정규성은 불일치를 억제하는 역할을 한다. 위 세 도구를 차례대로 적용하면, 임의의 부울 함수 f가 δ‑근사 차수 d를 가질 때, k‑파티 함수 G_f^k의 무작위 통신 복잡도는 R_ε^k(G_f^k) ≥ d·2^{k‑1}+log(δ+2ε‑1) 이라는 명시적 하한을 얻는다 (Theorem 1.1). 여기서 G_f^k는 입력을 k‑1개의 ‘마스크’ y₁,…,y_{k‑1}와 본 입력 x를 결합해 f(x⇐y₁,…,y_{k‑1}) 형태로 정의된다. 특히, NOR 함수는 근사 차수가 Θ(√n)임이 알려져 있다(Paturi’s theorem). NOR를 기반으로 만든 G_{NOR}^k는 바로 k‑파티 Disjointness 함수와 동형이며, 따라서 R_ε^k(DISJ_k)=Ω\!\left(n^{\frac{1}{k+1}·2^{k‑1}}\right) 를 얻는다. 이 식은 k가 상수일 때 n^{Ω(1)} 수준, k=o(log log n)일 때는 (log n)^{ω(1)} 수준의 초다항식 하한을 의미한다. 결과적으로 NP^{CC}_k와 BPP^{CC}_k 사이의 구분이 가능해지며, k가 상수이면 두 클래스 사이에 지수적 차이가 존재한다는 강력한 결론을 얻는다. 또한, Beame‑Pitassi‑Szegedy가 제시한 증명 복잡도 변환을 이용하면, 위에서 얻은 통신 복잡도 하한은 트리‑형, 차수 k‑1 임계값 시스템에 대한 증명 크기 하한, 그리고 Lovász‑Schrijver 증명 체계에 대한 초다항식 크기 하한으로 직접 전이된다. 이는 증명 복잡도 분야에서 오랫동안 열려 있던 “임계값 시스템에 대한 강력한 하한” 문제를 해결하는 데 기여한다. 논문은 마지막에 Lee와 Shraibman이 독립적으로 동일한 하한을 얻었다는 사실을 언급하며, 현재 이 결과가 다중 파티 통신 복잡도와 증명 복잡도 사이의 깊은 연결 고리를 밝히는 중요한 진전임을 강조한다. 전체적으로, 근사 차수와 정규성을 결합한 새로운 증명 전략은 기존의 불일치 기반 방법이 한계에 부딪히던 영역을 돌파하고, 다중 파티 모델에서의 복잡도 구분을 크게 앞당겼다.