[論文レビュー] Low analytic rank implies low partition rank for tensors

Oliver Janzer|arXiv (Cornell University)|Sep 28, 2018

Tensor decomposition and applications参考文献 3被引用数 6

ひとこと要約

本稿は、有限体上のテンソルの解析的ランクが低いと、その分割ランクも低くなることを確立し、解析的ランク、次数、体のサイズに関して、タワー型の境界を用いて分割ランクを評価する。これは、従来のアッカーマン型の境界を改善するものであり、高次フーリエ解析における重要な問いを解決する。特に、小規模な体に対しては、偏りのある多項式が低ランクをとることを、はるかに良い定量的制御で示している。

ABSTRACT

A tensor defined over a finite field $\mathbb{F}$ has low analytic rank if the distribution of its values differs significantly from the uniform distribution. An order $d$ tensor has partition rank 1 if it can be written as a product of two tensors of order less than $d$, and it has partition rank at most $k$ if it can be written as a sum of $k$ tensors of partition rank 1. In this paper, we prove that if the analytic rank of an order $d$ tensor is at most $r$, then its partition rank is at most $f(r,d,|\mathbb{F}|)$. Previously, this was known with $f$ being an Ackermann-type function in $r$ and $d$ but not depending on $\mathbb{F}$. The novelty of our result is that $f$ has only tower-type dependence on its parameters. It follows from our results that a biased polynomial has low rank; there too we obtain a tower-type dependence improving the previously known Ackermann-type bound.

研究の動機と目的

• 有限体上のテンソルについて、解析的ランクと分割ランクの間の定量的関係を確立すること。
• 従来のアッカーマン型関数に依存する境界を改善し、実用的・理論的応用においても速すぎる増加を回避すること。
• 値が一様に分布しない（偏りのある）多項式が、明示的かつ改善された境界のもとで低ランクをとることを示すこと。
• 多項式位相のゴーリエズノルムに対する定量的逆定理を提供し、高次フーリエ解析における先行結果を精緻化すること。
• 体のサイズや次数との依存関係が、今やアッカーマン型ではなくタワー型であることを示し、応用においてより緊密な制御を可能にすること。

提案手法

• テンソルの次数 d についての再帰的帰納法を用い、退化を制御する部分空間とマルチセット族を構築する。
• 一般化されたボゴリューボフ補題と多重線形一般化を適用し、テンソルが多くの入力に対して 0 になる構造的部分空間を見つける。
• 分割ランクと退化条件を用いた新しい反復的テンソル分解を採用し、次元の境界をタワー関数で追跡する。
• 多項式位相のためのゴーリエズ一様性ノルムの洗練された分析を用い、それらを基礎となる多項式のランクに関連付ける。
• キャラクター和と指数和（χ(P(x)) を通じて）を用い、解析的ランクと偏りを関連付け、その後でノルム制御を通じて分割ランクに関連付ける。
• [d−1] の部分集合でインデックス付けされた部分空間とマルチセット構成の階層を適用し、次元の境界をタワー関数を用いて再帰的に更新する。

実験結果

リサーチクエスチョン

• RQ1 分割ランクの解析的ランクへの依存関係を、アッカーマン型からより扱いやすい関数へ改善できるか？
• RQ2 小さな特徴を持つ有限体上での偏りのある多項式は、必ず低ランクをとるのか？ もしそうなら、最良の定量的境界は何か？
• RQ3 多項式位相のゴーリエズノルムに対する逆定理は、明示的かつ有効な境界を用いて強化可能か？
• RQ4 次数 d のテンソルについて、有限体上での解析的ランクと分割ランクを結ぶ最適なタワー型境界は何か？
• RQ5 体のサイズ |F| は、解析的ランクと分割ランクの間の定量的トレードオフにどのように影響するか？

主な発見

• 有限体 F 上の次数 d のテンソルの解析的ランクが r 以下であれば、その分割ランクは f(r, d, |F|) 以下であり、f はパラメータに関してのみタワー型の依存関係を示す。
• 次数 d < char(F) で、F^n → F である多項式 P について、bias_χ(P) ≥ ε > 0 ならば、P のランクは 2^d × tower_{8|F|}((d+3)^{d+3}, (1/ε)^{2^d}) + 1 以下である。
• f(x) = χ(P(x)) のゴーリエズ U^d ノルムは、P のランクを制御し、||f||_{U^d} ≥ c > 0 ならば、c に関して同じタワー型の式で P のランクが有界である。
• 従来の研究ではアッカーマン型の境界が使われていたが、本稿ではタワー型の境界に置き換えることで、定量的制御を著しく強化した。
• 境界は有効的かつ体のサイズに関して一様であり、d, ε, |F| のみに明示的な依存関係を示し、タワーの高さを除いて最適である。
• 証明により、多項式位相のゴーリエズノルムに対する定量的逆定理が確立され、このような関数は明示的な誤差境界のもとで低次多項式と相関していることが示された。