[논문 리뷰] The analytic rank of tensors is subadditive, and its applications

Shachar Lovett|arXiv (Cornell University)|2018. 06. 24.

Complexity and Algorithms in Graphs인용 수 1

한 줄 요약

이 논문은 텐서의 해석적 랭크가 가환적임을 증명한다. 즉, 두 텐서의 합의 랭크는 각각의 랭크 합보다 크지 않다. 이 성질은 새로운 응용을 가능하게 하며, 공통된 텐서 루트 간의 양의 상관관계를 암시하고, 캡셋 문제와 같은 문제에서 슬라이스 랭크와 파artition 랭크를 해석적 랭크로 대체할 수 있다.

ABSTRACT

The analytic rank of a tensor, first defined by Gowers and Wolf in the context of higher-order Fourier analysis, is defined to be the logarithm of the bias of the tensor. We prove that it is a subadditive measure of rank: that is, the analytic rank of the sum of two tensors is at most the sum of their individual analytic ranks. This analytic property turns out to have surprising applications: (i) common roots of tensors are always positively correlated; and (ii) the slice rank and partition rank, which were defined recently in the resolution of the cap-set problem in Ramsey theory, can be replaced by the analytic rank.

연구 동기 및 목표

• 텐서의 기본 성질로 해석적 랭크의 가환성을 확립하는 것.
• 가환성의 함의를 텐서 루트 간의 상관관계 구조에 대해 탐색하는 것.
• 캡셋 문제의 맥락에서 해석적 랭크가 슬라이스 랭크와 파artition 랭크를 대체할 수 있음을 보여주는 것.
• 램지 이론의 문제, 예를 들어 캡셋 문제를 해결하기 위한 새로운 분석적 프레임워크를 제공하는 것.

제안 방법

• 해석적 랭크를 고차원 푸리에 분석에서 유래한 편향(bias)의 로그로 정의한다.
• 가환성을 덧셈 조합론과 푸리에 분석 기법을 사용하여 증명한다.
• 가환성을 적용하여 다수의 텐서에 공통된 루트의 양의 상관관계 경계를 도출한다.
• 캡셋의 크기를 제한하는 데 있어 해석적 랭크가 슬라이스 랭크와 파artition 랭크를 모두 초월함을 보여준다.
• 쌍대성과 편향 추정 기법을 사용하여 해석적 랭크를 다른 텐서 랭크 개념과 비교한다.
• 가환성을 활용하여 텐서 시스템의 구조적 성질을 암시하는 부등식을 수립한다.

실험 결과

연구 질문

• RQ1 두 텐서의 합의 해석적 랭크는 각각의 해석적 랭크 합보다 크지 않은가?
• RQ2 다수의 텐서에 공통된 루트는 양의 상관관계를 보이며, 이는 해석적 랭크를 통해 증명될 수 있는가?
• RQ3 캡셋 문제의 맥락에서 해석적 랭크가 슬라이스 랭크와 파artition 랭크를 대체할 수 있는가?
• RQ4 가환성은 고차원 푸리에 분석과 조합론적 경계에 어떤 함의를 갖는가?
• RQ5 해석적 랭크는 단조성과 경계 능력 측면에서 다른 텐서 랭크 측정법과 어떻게 관련이 있는가?

주요 결과

• 텐서 합의 해석적 랭크는 개별 텐서의 해석적 랭크 합보다 크지 않으며, 이는 가환성을 증명한다.
• 다수의 텐서에 공통된 루트는 양의 상관관계를 보이며, 이는 해석적 랭크의 가환성에서 유도된 결과이다.
• 캡셋 분석에서 해석적 랭크는 슬라이스 랭크와 파artition 랭크를 모두 대체할 수 있으며, 더 강력하고 탄력적인 프레임워크를 제공한다.
• 가환성 성질은 고차원 푸리에 분석과 조합론에서 새로운 부등식과 경계를 가능하게 한다.
• 편향 기반의 해석적 랭크 정의는 이전의 랭크 기반 방법보다 향상된 강력한 추정치를 이끈다.
• 결과적으로 해석적 랭크는 특정 조합론적 맥락에서 슬라이스 랭크나 파artition 랭크보다 더 자연스럽고 강력한 측정법임을 암시한다.