A remark on the majorizing measures theorem for general processes

技術的要約：一般過程における主要化測度定理に関する注釈

問題提起
本論文は、主要化測度定理（フェルニク・タラゲルドの定理としても知られる）の、中心化ガウス過程という古典的な設定を超えた拡張について取り組んでいる。この定理は、ガウス過程の期待最大値が、タラゲルドの一般的連鎖（generic chaining）関数 $\gamma_2(T)$ と（普遍的な定数の範囲内で）同等であることを確立しているが、著者らは、より広いクラスのランダムベクトル $X \in \mathbb{R}^n$ に対して、この下界が成立するかどうかを調査している。具体的には、空でない有界な集合 $T \subset \mathbb{R}^n$ に対し、$\mu$-幅（$\mu$-width）として定義される $w_\mu(T) = \mathbb{E}_\mu[\sup_{t \in T} \langle X, t \rangle]$ が $\gamma_2(T)$ によって下から抑えられるための条件を探索している。

手法および主要な貢献
著者らは、その訳（translate）の間のカルバック・ライブラー（KL）ダイバージェンスに対して二次成長条件を満たすランダムベクトルに対して、下界を確立している。核心となる手法は、統計的推定、情報理論、および幾何学的関数解析を橋渡しする3段階の議論に基づいている。

1. 変分問題への還元（ステップ1）：
   著者らはまず、$T$ 上の確率測量を用いた変分問題を用いて $\mu$-幅を関連付けている。凸集合への射影に関する積分恒等式（Pathakらによる先行研究に基づく）を利用することで、$\mu$-幅が $B_\mu(T)$ によって下から抑えられることを示している。この量 $B_\mu(T)$ は、ノイズ $\sigma X$ を通じて観測された翻訳パラメータ $\theta$ に対する事後平均推定量 $\hat{\theta}$ の二乗誤差を含む積分の、事前分布 $\pi \in \mathcal{P}(T)$ に関する上限として定義される。

2. レート歪み理論による下界（ステップ2）：
   中心的な技術的貢献は、J. Liu によって最近導入された**レート歪み積分（rate-distortion integral）**の適用である。著者らは、ランダムベクトル $X$ が特定のKLダイバージェンス条件を満たす場合、$B_\mu(T)$ を定義する積分が Liu の歪み積分 $L(T)$ によって下から抑えられることを証明している。

   彼らは以下の条件を定義している：
   $$C_{KL}(\mu) = \sup_{\theta \neq \eta} \frac{KL(\mu_\theta \parallel \mu_\eta)}{\|\theta - \eta\|_2^2} < \infty,$$
   ここで $\mu_\theta$ は $\theta + X$ の法則である。この条件下で、推定誤差 $\varepsilon_\mu(\sigma, \pi)$ と自己結合レート歪み関数 $i_\pi(r)$ の間の関係を確立している。このステップでは、従来の証明で使用されていた（相互情報量とノイズ分散との間の微分可能性に依存していた）ガウス特有の恒等式の代わりに、データ処理不等式とKL成長条件に基づく、より一般的な議論を用いた。

3. 一般的連鎖との比較（ステップ3）：
   最後に、著者らは Liu の結果を援用して、歪み積分 $L(T)$ が一般的連鎖関数 $\gamma_2(T)$ を支配することを示す。これらの結果を連鎖させることで、$\mu$-幅が $\gamma_2(T)$ を KL 定数の平方根の逆数でスケールしたものによって制御されることを実証している。

主な結果
主要な結果は定理1であり、これは、中心化されたランダムベクトル $X \sim \mu$ が $C_{KL}(\mu) < \infty$ を満たし、かつ任意の空でない有界な集合 $T \subset \mathbb{R}^n$ に対して、以下が成り立つことを述べている：
$$\mathbb{E}_\mu \left[ \sup_{t \in T} \langle X, t \rangle \right] \gtrsim \frac{1}{\sqrt{C_{KL}(\mu)}} \gamma_2(T).$$
ここで、記号 $\gtrsim$ は普遍的な定数までの不等式であることを示している。

意義および主張
本論文は、この結果が中心化ガウス過程の主要化測度定理の下界を特殊なケースとして回収することを主張している。標準ガウスベクトル $G \sim N(0, I_n)$ の場合、$C_{KL}(N(0, I_n)) = 1/2$ であり、既知の下界を回収する。

著者らは、彼らの議論が Liu によって導入されたレート歪み積分に決定的に依存しており、これにより、従来の証明で必要とされたガウス測力の特定の構造的特性（相互情報量と推定誤差の間の特定の関係など）を回避できることを強調している。彼らは、$C_{KL}(\mu) < \infty$ という条件は対数滑らかさ（log-smoothness）よりも弱いものであるが（例えば、対数滑らかではないラプラス分布でも成立する）、主要化測度の下界を保証するには十分であることを述べている。

本論文は、新しい応用や将来の方向性を提案するものではなく、この研究を、翻訳間のKLダイバージェンスの二次成長によって特徴付けられる「広範なクラスのランダムベクトル」へと主要化測度定理の範囲を広げる理論的な洗練として位置付けている。