[论文解读] A Signature-based Algorithm for Computing the Nondegenerate Locus of a Polynomial System

Christian Eder, Pierre Lairez+2 more|arXiv (Cornell University)|Feb 28, 2022

Polynomial and algebraic computation参考文献 29被引用 6

一句话总结

本文提出了一种基于签名的 Gröbner 基算法，可在不先计算整个系统完整 Gröbner 基的前提下，计算多项式系统的非退化局部——即解簇具有最大余维数的解集。通过将理想饱和与商理想计算整合进增量式基于签名的 Gröbner 基框架（具体为 F5 算法），该方法在计算过程中动态扩展理想，高效地分离出最大余维数分量，相较于黑箱饱和方法显著提升了性能，并使原本对标准计算机代数系统不可行的系统得以计算。

ABSTRACT

Polynomial system solving arises in many application areas to model non-linear geometric properties. In such settings, polynomial systems may come with degeneration which the end-user wants to exclude from the solution set. The nondegenerate locus of a polynomial system is the set of points where the codimension of the solution set matches the number of equations. Computing the nondegenerate locus is classically done through ideal-theoretic operations in commutative algebra such as saturation ideals or equidimensional decompositions to extract the component of maximal codimension. By exploiting the algebraic features of signature-based Gr\"obner basis algorithms we design an algorithm which computes a Gr\"obner basis of the equations describing the closure of the nondegenerate locus of a polynomial system, without computing first a Gr\"obner basis for the whole polynomial system.

研究动机与目标

• 在不执行完整等维分解的前提下，计算多项式系统的非退化局部——即最大余维数分量。
• 克服依赖黑箱理想饱和或完整分解的 Gröbner 基计算的高计算成本。
• 设计一种方法，通过在基于签名的 Gröbner 基计算过程中动态扩展理想，逐步构建非退化局部。
• 通过利用基于签名算法的内部数据结构，相比理想理论运算的朴素实现，减少计算开销。

提出的方法

• 该算法扩展了基于签名的 Gröbner 基（sGB）框架，特别是 F5 算法，以在逐个处理方程的增量过程中，同时计算理想 I 和商理想 (I_{i-1} : f_i) 的 Gröbner 基。
• 它使用一种新颖的数据结构，称为 sGB 树，以在保持签名特性的同时管理 (I_{i-1} : f_i) 中元素插入基的过程。
• 在每一步中，该算法识别出 f_i 恒为零的分量（V_{i-1,f_i=0}）和不恒为零的分量（V_{i-1,f_i≠0}），并利用饱和运算分离后者。
• 非退化局部通过迭代地将 V_{i-1,f_i≠0} 与 V(f_i) 相交，并从结果中移除包含在 V_{i-1,f_i=0} 中的分量，在单次 Gröbner 基计算中完成构建。
• 该方法避免了从头开始重新计算 Gröbner 基，而是利用签名追踪检测零约化，从而标识退化分量的存在。
• 实现使用了优化的数据结构，如单项式哈希表和除数位掩码，尽管目前仅支持有限域。

实验结果

研究问题

• RQ1 是否可以通过将理想理论运算集成到基于签名的 Gröbner 基计算中，而非作为黑箱后处理，更高效地计算多项式系统的非退化局部？
• RQ2 如何扩展基于签名的 Gröbner 基框架，使其在计算过程中动态扩展理想，以捕获最大余维数分量？
• RQ3 与在 Gröbner 基计算后朴素地应用这些运算相比，将饱和与商计算嵌入到增量 sGB 流水线中能带来多大的性能提升？
• RQ4 该方法在多大程度上能够计算出因内存或时间限制而对现有计算机代数系统不可行的系统的非退化局部？

主要发现

• 所提出的算法 8 在运行时间上比 Maple 中算法 1 的朴素实现最高快 7,700 倍，且在测试示例中，算法 5 与算法 8 的算术运算量之比从未超过 10 倍。
• 对于 Sos(2,7,5) 系统，算法 8 在 20 小时内完成非退化局部的计算，而所有其他系统（Singular、Maple、Macaulay2）均超过 35 小时的时间限制或发生段错误崩溃。
• 在 Sos(2,7,6) 情况下，算法 8 在 73 小时内完成，而 Singular 和 Macaulay2 均因段错误或超时失败。
• 该算法在 42 分钟内成功计算出斯坦纳系统的非退化局部，而 Singular 的消去法和 Macaulay2 均未在 50 小时内完成。
• 对于 Pseudo(2,12) 系统，算法 8 仅用 5.2 秒运行完成，而 Maple 的 Regular Chains 和 Singular 的 [22] 方法均未在一小时内完成。
• 该方法表明，将基于签名的计算与理想商和饱和运算相结合，可显著降低计算开销，并解决此前无法处理的问题。