[논문 리뷰] An in-place truncated Fourier transform and applications to polynomial multiplication

David Harvey, Daniel S. Roche|arXiv (Cornell University)|2010. 01. 28.

Polynomial and algebraic computation참고 문헌 5인용 수 5

한 줄 요약

이 논문은 잔여 푸리에 변환(TFT)과 그 역변환(ITFT)에 대한 인-place 알고리즘을 제시하며, 오직 $O(1)$ 보조 공간을 사용하면서도 $O(n\log n)$ 시간 복잡도를 달성한다. 저자들은 반으로 나누는 시간 기반 접근법을 사용하고, 실시간으로 단위근을 계산함으로써 반복적으로 사용되는 메모리 오버헤드를 제거함으로써 기존 방법의 $O(n)$ 메모리 오버헤드를 제거한다. 이는 임의의 차수 다항식에 대해 효율적이고 공간 제약이 있는 다항식 곱셈을 가능하게 한다.

ABSTRACT

The truncated Fourier transform (TFT) was introduced by van der Hoeven in 2004 as a means of smoothing the "jumps" in running time of the ordinary FFT algorithm that occur at power-of-two input sizes. However, the TFT still introduces these jumps in memory usage. We describe in-place variants of the forward and inverse TFT algorithms, achieving time complexity O(n log n) with only O(1) auxiliary space. As an application, we extend the second author's results on space-restricted FFT-based polynomial multiplication to polynomials of arbitrary degree.

연구 동기 및 목표

• 기존의 잔여 푸리에 변환(TFT) 및 그 역변환(ITFT) 알고리즘에서 2의 거듭제곱 크기에서 발생하는 버퍼 요구 조건으로 인해 발생하는 $O(n)$ 보조 메모리 사용을 제거하기 위해.
• 시간 복잡도는 $O(n\log n)$를 유지하면서도 오직 $O(1)$ 추가 저장 공간만을 사용하는 정방향 및 역방향 TFT의 인-플레이스 변형을 개발하기 위해.
• TFT 기반 다항식 곱셈을 임의의 차수 다항식으로 일반화하기 위해 $O(n)$ 보조 공간이 필요하지 않도록 제거함으로써 공간 제약이 있는 FFT 기반 다항식 곱셈을 확장하기 위해.
• 입력 데이터는 읽기 전용이고 출력은 단계적으로 기록되는 조건에서도 인-플레이스 다항식 곱셈이 $O(1)$ 보조 공간과 $O(n\log n)$ 시간으로 가능함을 입증하기 위해.

제안 방법

• 재귀 깊이와 공간 사용을 최소화하기 위해 $L_1 \times L_2$ 변환으로 분해하는 시간 기반 분해를 사용한 반복적이고 재귀가 아닌 TFT 및 ITFT의 버전을 설계하며, 여기서 $L_1 = L/2$ 이고 $L_2 = 2$ 이다.
• 비트 역순 인덱싱을 사용해 단위근을 실시간으로 계산함으로써 모든 근을 저장하지 않으며, 데이터 의존성에도 불구하고 $O(1)$ 보조 공간을 유지할 수 있도록 한다.
• 각 블록이 출력 버퍼에 맞도록 보장하기 위해 변환을 크기 $L = 2^\ell$ 의 블록으로 나누는 재귀적 분할 전략을 사용하며, 여기서 $\ell = \lfloor \lg(r - q) \rfloor - 1$ 이다.
• 출력 버퍼에 직접 결과를 누적시키며, 크기 $L$ 의 부분 배열에 대해 인-플레이스 FFT를 적용하고, 최종적으로 전체 다항식 곱을 복원하기 위해 인-플레이스 역변환 TFT를 적용한다.
• 중간 단계의 변환을 일정한 출력 버퍼에 직접 쓰도록 알고리즘을 구성함으로써 일시적 저장소를 최소화하고, $O(1)$ 보조 공간을 사용하는 외부 메모리 기반 곱셈을 가능하게 한다.

실험 결과

연구 질문

• RQ1 잔여 푸리에 변환과 그 역변환은 $O(1)$ 보조 공간을 사용하면서도 $O(n\log n)$ 시간 복잡도를 유지하면서 인-플레이스로 계산될 수 있는가?
• RQ2 작업 순서를 재배열하고 실시간으로 단위근을 계산함으로써 기존 TFT 알고리즘의 $O(n)$ 메모리 오버헤드를 제거할 수 있는가?
• RQ3 인-플레이스 TFT 및 ITFT 알고리즘을 사용하여 공간 제약이 있는 FFT 기반 다항식 곱셈을 임의의 차수 다항식으로 일반화할 수 있는가?
• RQ4 인-플레이스 FFT 기반 곱셈에 필요한 최소 보조 공간은 얼마이며, $O(1)$ 공간이 완전히 인-플레이스 알고리즘에 충분한가?

주요 결과

• 저자들은 $O(n\log n)$ 시간 복잡도를 갖는 반복적이고 인-플레이스 TFT 및 ITFT 알고리즘을 제시하며, 이는 이전 방법의 $O(n)$ 메모리 오버헤드를 제거한다.
• 알고리즘은 $L_1 = L/2$ 와 $L_2 = 2$ 를 사용하는 시간 기반 접근법을 사용하며, 이는 $O(\log n)$ 재귀 깊이와 레벨당 $O(1)$ 공간 사용을 가능하게 한다.
• 비트 역순 순서로 단위근을 실시간으로 계산함으로써 모든 근을 저장하지 않아도 되어 공간 사용을 $O(1)$ 로 줄일 수 있다.
• 입력이 읽기 전용일지라도, $O(1)$ 보조 공간만을 사용하여 임의의 차수 다항식의 공간 제약이 있는 다항식 곱셈을 $O((m+n)\log(m+n))$ 시간 내에 수행할 수 있다.
• 계수 공간을 블록으로 나누고 국소 FFT를 적용하며 결과를 인-플레이스로 조합함으로써 알고리즘이 전체 곱 $C = AB$ 를 정확히 계산한다.