我们开发了一种在非对称通信环境中证明下限的技术，这是一个模型，它被引入了米尔特森（STOC'94）和米尔特逊、尼桑、萨夫拉和威格德森（STOC'95）的著名著作中。我们的技术的核心是一个新的模拟定理：Alice得到$p乘以n$矩阵$x$超过$mathbb F_2$，Bob得到向量$y。Alice和Bob需要为布尔函数$f:\{0,1\}^p\to\{0.1\}$计算$f（x\cdot y）$。我们的仿真定理表明，对于这个问题，存在一个确定性/随机通信协议，Alice和Bob的代价分别为$C\cdot n$和$C$，当且仅当存在一个代价为$Theta（C）$的确定性/随机奇偶决策树来评估$f$时。

作为该技术的应用，我们获得了以下结果：

1.$\mathbb F_2$上Vector-Matrix-Vector乘积问题的随机数据结构方案的第一个强下界。此外，即使数据结构方案比随机猜测具有微小优势，我们的方法也会产生强大的下界。

2.正交向量计数的两个自然布尔变量的随机数据结构方案的第一下界。

3.我们构造了一个非对称通信问题，并获得了它的一个确定性下限，该下限可证明优于Miltersen等人（STOC'95）的经典Richness方法所获得的任何下限。这似乎是Richness方法在证明确定性下限方面的第一个已知限制。