Core Concepts
단위 큐브 내 점 집합의 최소 분산에 대한 새로운 하한을 제시하였다. 이는 매우 작은 클래스의 테스트 박스만을 고려함으로써 달성되었으며, 이를 통해 최소 분산 문제를 극단적 집합 이론 문제로 변환할 수 있었다. 이렇게 얻은 하한은 최근에 발표된 상한과 로그 항을 제외하고 일치한다.
Abstract
이 논문은 단위 큐브 내 점 집합의 최소 분산에 대한 새로운 하한을 제시한다.
먼저 저자들은 매우 특정한 클래스의 축-평행 박스들을 정의한다. 이 박스들은 한 좌표에서는 모든 점이 0에 가깝고, 다른 2^(k-2)개의 좌표에서는 모든 점이 0과 1 사이에 있다. 저자들은 이러한 박스들을 모두 포함하는 점 집합 X의 크기를 하한 짓는다.
이를 위해 저자들은 X의 점들을 d개의 보조 집합 F1, F2, ..., Fd로 분류한다. 이때 이 집합들은 2^(k-2)-cover-free 성질을 만족한다. 이는 Alon과 Asodi의 결과를 이용하여 하한을 도출할 수 있게 해준다.
최종적으로 저자들은 ε이 충분히 크면, N(ε, d)의 하한이 log d / (ε^2 * log(1/ε))임을 보인다. 이는 최근 발표된 상한과 로그 항을 제외하고 일치한다.
Stats
단위 큐브 내 점 집합 X의 크기 n은 다음과 같은 하한을 만족한다:
n > 1/1920 * log d / (ε^2 * log(1/ε))
Quotes
"It seems that a logarithmic dependence on d and a linear dependence on 1/ε exclude each other."
"What might be even more surprising, this lower bound is obtained by considering only a very small class of axis-parallel test boxes."