我们知道(大约40年,感谢Adleman,Bennet和Gill)包容性BPP ⊆ ñ ñ P / poly,甚至更强大的BPP / poly P / poly仍然成立。“ / poly”表示我们工作不均匀(每个输入长度单独的电路),而没有此“ / poly”的P表示我们对于所有可能的输入长度拥有一台图灵机,甚至比例如 =到下一个“大爆炸”的秒数。
问题1:在知道BPP P / poly 后,BPP = P的证明(或反证明)对我们的知识有何贡献?
在“新”下,我指的是任何真正令人惊讶的后果,例如其他复杂性类别的崩溃/分离。将此与NP P / poly 的证明/取消证明所带来的后果进行比较。
[增加了2017年8月10日]:有一个人惊人的结果BPP P将是,如图Impagliazzo和Wigderson, 所有的问题(!) é = DTIME将有大小为。感谢Ryan召回此结果。
问题2:为什么我们不能 沿着与BPP / poly P / poly 的证明相似的方式证明 BPP = P?
一个“显而易见”的障碍是有限与无限域问题:布尔电路工作在有限域,而图灵机工作在整个集合的 -任意长度的字符串。因此,要对概率布尔电路进行非随机化,只需采取概率电路的大多数独立副本,并应用切尔诺夫不等式和联合约束即可。当然,在无限范围内,这个简单的多数规则将不起作用。
但是,这(无限域)是真正的“障碍”吗?通过使用统计学习理论(VC维)的结果,我们已经可以证明 BPP / poly P / poly也适用于在无限域内工作的电路,例如算术电路(在所有实数上工作);参见例如Cucker等人的论文。 当使用类似的方法时,我们所需要做的就是证明多时间图灵机的VC尺寸不能太大。有没有人看到任何尝试进行后一步的尝试?
注 [加入2017年7月10日]:在去随机化的情况下,一类的VC维 的功能被定义为最大数为其中有功能在这样对于每一个有一个点与 当且仅当。即,我们不是通过函数破坏点集,而是通过点破坏函数集。(VC结果的两个最终定义是相关的,但呈指数关系。)
的结果(称为在概率一致收敛),那么意味着以下情况:如果对于每个输入,一个随机挑选函数(下的一些概率分布)满足 对于常数,则可以对X中的所有输入进行计算,某些(固定)函数。参见例如Haussler论文中的推论2。[为此,上存在一些适度的可测量性条件。]
例如,如果是所有多项式的集合通过大小为的算术电路计算,则所有多项式具有至多度。通过使用多项式零模式数的已知上限(例如,参见本文),可以证明的VC维为。这意味着算术电路包含BPP / poly P / poly。