Czy badano derandomizację lekko niejednorodnych klas, np. BPP / liniowy?

Przez BPP / linear mam na myśli maszyny BPP z liniową radą, która spełnia obietnicę, gdy otrzyma „prawidłową” radę, a derandomizacja powinna dać nam, powiedzmy, algorytm P / liniowy lub (SUBEXP / liniowy).

Jeśli zastosujemy niejednolite założenia, uważam, że klasyczne wyniki powinny zadziałać, ponieważ możemy „oszukać” niejednolitych przeciwników.

Jednak przy zastosowaniu jednolitych założeń, powiedzmy , nietrywialna derandomizacja wydaje się trudniejszym pytaniem.$EXP\neq BPP$

Czy istnieją wyniki dotyczące tego rodzaju klas, niepotrzebne BPP / liniowe?

Użyłem tego wyszukiwania naukowców , a jedynym wynikiem, który wydaje się w jakiś sposób istotny, jest:

Lance Fortnow, Adam Klivans, Linear Advice for Randomized Logarithmic Space, ECCC TR05-042, 2005.

$\mathbf{RL} \subseteq \mathbf{L}/O(n)$