My wiemy (teraz około 40 lat, dzięki Adleman, Bennet Gill), że włączenie BPP P / poly, i jeszcze silniejszy BPP / poli P / poli trzymaj. „/ Poly” oznacza, że pracujemy nierównomiernie (osobny obwód dla każdej długości wejściowej ), podczas gdy P bez tego „/ poly” oznacza, że mamy jedną maszynę Turinga dla wszystkich możliwych długości wejściowych , nawet dłuższych niż, powiedzmy, = liczba sekund do następnego „Wielkiego Wybuchu”.
Pytanie 1: Jakie nowe dowody (lub odrzucenie) BPP = P przyczyniłyby się do naszej wiedzy po poznaniu BPP P / poli?
Pod „nowym” mam na myśli wszelkie naprawdę zaskakujące konsekwencje, takie jak załamanie / oddzielenie innych klas złożoności. Porównaj to z konsekwencjami, jakie przyniosłoby dowód / odrzucenie NP P / poli.
Pytanie 2: Dlaczego nie możemy udowodnić BPP = P w podobny sposób, jak dowód BPP / poly P / poly?
One „oczywiste” przeszkodą jest skończony vs. nieskończony problem domeny: układy logiczne o pracy nad skończone domen, podczas gdy maszyny Turinga pracować nad całą zbiór od - ciągi o dowolnej długości. Tak więc, aby zdandomizować probabilistyczne obwody boolowskie, wystarczy wziąć większość niezależnych kopii obwodu probabilistycznego i zastosować nierówność Chernoffa wraz z związkami. Oczywiście w przypadku domen nieskończonych ta prosta zasada większości nie będzie działać.
Ale czy ta (nieskończona domena) jest prawdziwą „przeszkodą”? Dzięki zastosowaniu wyników uczenia statystycznej teorii (wymiar VC), już można udowodnić, że BPP / poli P / poli posiada również dla obwodów pracujących nad nieskończonych domen, takich jak obwody arytmetycznych (pracujących na wszystkich liczb rzeczywistych); patrz np. ten artykuł Cuckera przy al. Korzystając z podobnego podejścia, wszystko, czego potrzebujemy, to pokazać, że wymiar VC wielozadaniowych maszyn Turinga nie może być zbyt duży. Czy ktoś widział jakiekolwiek próby wykonania tego ostatniego kroku?
UWAGA [dodano 07.10.2017]: W kontekście derandomizacji wymiar VC klasy funkcji jest zdefiniowany jako maksymalna liczba dla której istnieją funkcje w takie że dla każdego istnieje punkt z iff . Czyli nie rozbijamy zbiorów punktów za pomocą funkcji, ale raczej zestawów funkcji za pomocą punktów. (Dwie wynikowe definicje wymiaru VC są powiązane, ale wykładniczo.)f : X → Y v f 1 , … , f v F S ⊆ { 1 , … , v } ( x , y ) ∈ X × Y f i ( x ) = y i ∈ S
Wyniki (znane jako równomierna zbieżność prawdopodobieństwa ) sugerują zatem, co następuje: jeśli dla każdego wejścia losowo wybrana funkcja (przy pewnym rozkładzie prawdopodobieństwa na ) spełnia dla stałej , następnie można obliczyć na wszystkich wejściach jako większość niektóre (stały) z funkcji . Patrz np. Corollary 2 w pracy Hausslera . [Aby tak się stało, istnieją pewne łagodne warunki mierzalności na ]
Na przykład, jeśli jest zbiorem wszystkich wielomianów obliczalnych przez obwody arytmetyczne o rozmiarze , wówczas wszystkie wielomiany w mają stopień co najwyżej . Stosując znane górne granice liczby zerowych wzorów wielomianów (patrz np. Ten artykuł ), można pokazać, że wymiar VC dla wynosi . Oznacza to włączenie BPP / poly P / poly dla obwodów arytmetycznych.f : R n → R ≤ s F D = 2 s F O ( n log D ) = O ( n s ) ⊆