[論文レビュー] The complexity of semidefinite programs for testing $k$-block-positivity

Qian Chen, Benoît Collins|arXiv (Cornell University)|Jan 27, 2026

Complexity and Algorithms in Graphs被引用数 0

ひとこと要約

著者らは k-block-positivity の検定のための SDP の計算量を矩形 Young 図対称性の還元を用いて分析し、k = d のとき階層の崩壊を示す明示的な計算量式を導出する。

ABSTRACT

We extend \cite{chen2025srkbp} by analyzing the complexity of the $k$-block-positivity testing algorithm that stems from the optimization problem in Definition ef{definition:SDP-k-block-positivity}. In this paper, we investigate a symmetry reduction scheme based on rectangular shaped Young diagrams. Connecting the complexity to the dimensions of irreducible representations of $\U(d)$, we derive an explicit formula for the complexity, which also clarifies why the semidefinite program hierarchy collapses in the $k=d$ case.

研究の動機と目的

• bipartite 量子系における k-block-positivity の検定問題を動機付け、形式化する。
• k-block-positivity テストを近似するための Young 図でインデックス付けされた対称性縮約 SDP フレームワークを開発する。
• SDP の資源規模を定量化し、それを U(d) の既約表現と結びつける。
• 矩形の Young 図スキームが k-block-positivity の検定に十分であることを示し、明示的な計算量式を導出する。

提案手法

• k-block-positivity とその SDP 形を k-purification および extendibility 階層を用いて定義する。
• k-purification を用いて k-block-positivity を 1-block-positivity の問題へ写像する。
• U(k) および Bosonic 対称性を利用して SDP を Young 図でインデックスされるブロックへ縮約し、矩形形状に焦点を当てる。
• d, k, n に依存する縮約 SDP の複雑さ C(nk) の明示的な表式を導出する。
• Schur-Weyl 対称性を通じて SDP 変数サイズを U(d) の既約表現の次元と関連づける。
• k = d のとき階層が崩壊し、複雑さを k および d−k の間で比較する。

実験結果

リサーチクエスチョン

• RQ1 symmetry reductions を伴う semidefinite programming で k-block-positivity の検定を効率的に扱えるか。
• RQ2 矩形の Young 図に制限するだけで k-block-positivity の有効な検定が得られるか。
• RQ3 n, k, d の関数としての SDP の規模/複雑さに対する対称性縮約の影響はどうなるか。
• RQ4 k = d の場合に extendibility 階層がなぜ崩壊するのか。
• RQ5 この設定における SDP の複雑さと U(d) の既約表現との関係はどのようになるのか。

主な発見

• Explicit SDP 複雑さの式 C(nk) = d k(d + n −1)^(k+n−1) × ∏_{r=1}^{k} (d + n − r −1)!(k − r)! / [(k + n − r −1)!(d − r)!] を示し、対称性縮約後の複雑さは O(nk(d−k)) に拡張される。
• 矩形形状の Young 図は extend hierarchy の下で k-block-positivity の検定に十分である。
• 複雑さは U(d) の既約表現の次元に依存し、Schur-Weyl 双対性の構造と結びつく。
• k = d のとき SDP 階層は最小固有値に基づく単一の検定へ崩壊し、階層はもはや必要なくなる。
• 矩形図スキームは経済的なアプローチを提供する：正確に k 行を持つブロックのみが目的関数に寄与し、計算負荷を削減する。