[논문 리뷰] A Modified Abramov-Petkovsek Reduction and Creative Telescoping for Hypergeometric Terms

Shaoshi Chen, Hui Huang외 2명|arXiv (Cornell University)|2015. 01. 19.

Polynomial and algebraic computation참고 문헌 21인용 수 6

한 줄 요약

이 논문은 초기함수 항을 더해지지 않는 부분과 더해지게 되는 부분으로 분해하는 데 보조 선형 차분 방정식을 풀지 않고도 작동하는 수정된 Abramov-Petkovšek 감소법을 소개한다. 이를 통해 이변수 초기함수 항에 대한 더 효율적인 네 번째 세대 창의적 추적 알고리즘을 가능하게 하며, 증명서 계산을 피하고 최소 순서의 추적자(minimal-order telescopers)를 훨씬 빠른 실행 시간과 낮은 메모리 사용량으로 도출한다.

ABSTRACT

The Abramov-Petkovsek reduction computes an additive decomposition of a hypergeometric term, which extends the functionality of the Gosper algorithm for indefinite hypergeometric summation. We modify the Abramov-Petkovsek reduction so as to decompose a hypergeometric term as the sum of a summable term and a non-summable one. The outputs of the Abramov-Petkovsek reduction and our modified version share the same required properties. The modified reduction does not solve any auxiliary linear difference equation explicitly. It is also more efficient than the original reduction according to computational experiments. Based on this reduction, we design a new algorithm to compute minimal telescopers for bivariate hypergeometric terms. The new algorithm can avoid the costly computation of certificates.

연구 동기 및 목표

• 초기함수 항에 대해 Abramov-Petkovšek 감소법의 더 효율적이고 실용적인 변형을 개발하기 위해.
• 증명서 계산과 추적자 계산을 분리함으로써 네 번째 세대 창의적 추적을 가능하게 하기 위해.
• 보조 선형 차분 방정식을 명시적으로 풀지 않음으로써 계산 효율성을 향상시키기 위해.
• 증명서를 계산하지 않고도 이변수 초기함수 항에 대해 최소 순서의 추적자를 계산하는 새로운 알고리즘을 설계하기 위해.
• 실험을 통해 기존 구현 대비 실행 시간과 메모리 사용량에서 더 뛰어난 성능을 보임을 입증하기 위해.

제안 방법

• 수정된 감소법은 이동-감소된 유리 함수 기반의 정교한 표준형(normal form)을 사용하여 초기함수 항을 더해지게 되는 부분과 더해지지 않는 부분으로 분해한다.
• 알고리즘은 변환된 항 $\sigma_x^i(T)$에 대해 수정된 감소법을 반복적으로 적용하여 더해지게 되는 항의 이상(ideal)에 대해 모듈로로 감소시킨다.
• 감소된 몫 $q_i$들 사이의 선형 종속성을 계산하여 추적자 계수 $\ell_i$를 결정한다.
• 기존 방법에서 비용이 많이 드는 $uH$의 증명서 $u$를 명시적으로 계산하지 않도록 한다.
• 이 알고리즘은 이동-감소된 유리 함수와 핵심( kernel) 계산을 사용하여 선형 조합 하에서 잘 정의된 표준형을 보장한다.
• Maple에서의 구현은 기호 계산을 활용하여 유리 함수와 이동 연산자를 효율적으로 처리한다.

실험 결과

연구 질문

• RQ1 보조 선형 차분 방정식을 풀지 않으면서도 정확성을 유지하면서 Abramov-Petkovšek 감소법을 수정할 수 있는가?
• RQ2 증명서 계산 없이도 이산 케이스에 대해 네 번째 세대 창의적 추적 알고리즘을 구성할 수 있는가?
• RQ3 수정된 감소법이 이변수 초기함수 항에 대해 최소 순서의 추적자를 더 빠르게 계산할 수 있는가?
• RQ4 수정된 감소법이 생성하는 표준형이 선형 종속성 탐지에 효율적으로 기여하는가?
• RQ5 새로운 알고리즘의 성능은 Zeilberger의 알고리즘과 원래 Abramov-Petkovšek 감소법과 비교해 어떻게 되는가?

주요 결과

• 수정된 Abramov-Petkovšek 감소법은 보조 선형 차분 방정식을 풀지 않고도 더해지게 되는 부분과 더해지지 않는 부분으로 분해한다.
• 더해지지 않는 항 $T$에 대해 수정된 감소법(MAP)은 원래 방식(AP)보다 훨씬 빠르며, 큰 입력에서 최대 50배의 속도 향상을 보였다 (예: $\lambda=10, \mu=30$일 때 316.51초 대비 15.73초).
• 더해지게 되는 항 $\sigma_y(T) - T$에 대해 MAP 버전은 $(0,0)$ 케이스에서 실행 시간을 4.41초에서 2.29초로 줄였고, 다른 케이스에서는 최대 80% 감소를 기록했다.
• 새로운 알고리즘(RCT 2)은 증명서 계산을 완전히 생략하여 $n=2, m=0, \alpha=2, \lambda=5, \mu=10$일 때 실행 시간을 53.15초에서 4.93초로 줄였다.
• 이변수 케이스에서 새로운 방법은 알려진 결과와 동일한 최소 순서의 추적자(예: 순서 4, 6, 7)를 도출했지만 계산 시간은 극적으로 감소시켰다.
• 실험 결과는 새로운 방법이 다양한 입력 유형과 크기에서 Zeilberger의 알고리즘과 고전적 Abramov-Petkovšek 감소법보다 항상 더 빠른 성능을 보임을 입증했다.