[论文解读] Computational linear algebra over finite fields

Jean‐Guillaume Dumas, Clément Pernet|arXiv (Cornell University)|Apr 17, 2012

Coding theory and cryptography参考文献 57被引用 3

一句话总结

本文提出了有限域上密集线性代数的优化算法，重点在于通过位打包、位拆分和Kronecker代换技术，实现高效的矩阵乘法、求逆和分解。该方法在F₂等小域上实现了矩阵乘法的亚立方复杂度，将时间复杂度降低至O(n³/log n)，并已集成至M4RI、Magma和Sage等高性能库中。

ABSTRACT

We present here algorithms for efficient computation of linear algebra problems over finite fields.

研究动机与目标

• 通过优化底层算术运算和数据表示，解决有限域上密集线性代数的性能瓶颈。
• 开发算法，将矩阵乘法的计算复杂度降低至标准O(n³)以下，尤其针对小有限域。
• 通过紧凑表示（位打包、位拆分、Kronecker代换）和递归分块算法，实现高性能实现。
• 通过PLE分解将标准线性代数运算（LU、求逆、三角求解）推广至任意秩配置。
• 将所提算法集成至现有高性能计算系统和库中，实现在密码学和编码理论中的实际应用。

提出的方法

• 使用位打包将多个域元素存储于单个机器字中，使F₂和小扩展域上的64位字实现并行操作。
• 应用位拆分技术，通过同时操作多个位，以布尔运算表示F₃、F₅、F₇以及F_{2³}、F_{3²}的元素，最小化算术成本。
• 采用Kronecker代换将扩展域中的多项式元素表示为整数，利用REDQ算法实现高效约化。
• 设计递归分块算法（如PLE、trsm、trmm、trtri），将线性代数问题转化为矩阵乘法，使复杂度边界与最优矩阵乘法算法一致。
• 对F₂采用四 Russians方法（Greasing），通过预计算所有2ᵏ行的线性组合，实现O(n³/log n)复杂度。
• 利用具有兼容划分的递归分块分解，将三角和矩阵乘法运算表示为更小的递归调用和GEMM子程序。

实验结果

研究问题

• RQ1 能否通过预计算和位级并行性，将F₂上的矩阵乘法复杂度超越O(n³)？
• RQ2 紧凑表示（位打包、位拆分）如何降低密集线性代数中有限域算术的成本？
• RQ3 通过高级数据表示和递归算法，小有限域上矩阵乘法的可实现复杂度是多少？
• RQ4 PLE分解能否在任意秩配置下以矩阵乘法时间计算？其如何推广PLU分解？
• RQ5 递归分块算法在三角求解和求逆中，能在多大程度上减少域运算次数，同时保持有限域上的数值稳定性？

主要发现

• 通过四 Russians方法（Greasing）在F₂上实现O(n³/log n)复杂度，利用格雷码排序将位操作次数从k·2ᵏ·n减少至2ᵏ·n。
• 位拆分技术使F₃、F₅和F₇上的算术运算效率显著提升，分别仅需6、20和17个布尔运算完成一次加法。
• REDQ算法利用64位整数算术实现模素数的高效约化，支持域元素的紧凑表示。
• PLE分解算法将秩揭示性高斯消去的复杂度降低至与矩阵乘法相同，实现O(M(n))复杂度，其中M(n)为两个n×n矩阵相乘的时间。
• 递归三角求解（trsm）、矩阵乘法（trmm）和求逆（trtri）算法通过分块分解和GEMM子程序实现，达到最优渐近复杂度。
• 所提算法已集成至M4RI、Magma、Sage、NTL、FLINT和IML等高性能库中，支持计算代数和密码学中的实际应用。