[论文解读] Faster exponentials of power series

David Harvey|ArXiv.org|Nov 16, 2009

Coding theory and cryptography参考文献 1被引用 4

一句话总结

该论文提出了一种新算法，用于在 $\mathbf{C}\llbracket x\rrbracket$ 中计算形式幂级数的指数 $\exp f$，时间复杂度为 $(13/6 + o(1))M(n)$，优于此前最优的 $(7/3 + o(1))M(n)$。该方法结合了 van der Hoeven 的基于块的 FFT 方法来处理级数的前半部分，并利用牛顿迭代高效扩展精度，从而减少冗余的 FFT 计算，在复杂度估计中实现了更小的常数因子。

ABSTRACT

We describe a new algorithm for computing exp(f) where f is a power series in C[[x]]. If M(n) denotes the cost of multiplying polynomials of degree n, the new algorithm costs (2.1666... + o(1)) M(n) to compute exp(f) to order n. This improves on the previous best result, namely (2.333... + o(1)) M(n).

研究动机与目标

• 为了降低计算形式幂级数 $f \in \mathbf{C}\llbracket x\rrbracket$ 的 $\exp f$ 的计算复杂度。
• 为了改进此前已知的该问题时间复杂度的最优界限 $(7/3 + o(1))M(n)$。
• 通过避免对所有块都进行完整的 FFT 变换，如 van der Hoeven 的算法中那样，来最小化冗余的 FFT 计算。
• 通过将基于块的计算与牛顿迭代用于精度扩展相结合，实现更紧致的复杂度界限。

提出的方法

• 该算法使用 van der Hoeven 的块分解和基于 FFT 的乘法，来在模 $X^s$ 下计算 $\exp f$ 的前 $s$ 个块。
• 它应用牛顿迭代将结果从 $X^s$ 扩展到 $X^{2s}$，利用初始段 $g_{[0]}$ 的逆来校正对数导数中的误差。
• 关键组件包括微分算子 $\delta f = x f'$ 及其块适配版本 $\delta_k$，它们允许在频域中高效操作级数。
• 该方法仅在级数的前半部分使用 FFT，避免对后半部分进行冗余变换。
• 它利用 [Har09, Lemma 1]，通过 FFT 和逆 FFT 在每块上以 $T(2m) + O(m(k+1))$ 的时间高效计算块乘积。
• 最终扩展步骤通过误差项 $\varepsilon_{[k]} = \delta_{k+s}^{-1} q_{[k+s]} - f_{[k+s]}$ 计算 $g_{[k+s]}$，从而实现高精度重构。

实验结果

研究问题

• RQ1 能否比 van der Hoeven 的 $(7/3 + o(1))M(n)$ 复杂度界限更高效地计算形式幂级数的指数？
• RQ2 能否在不损害正确性的前提下，消除基于块的算法中的冗余 FFT 计算？
• RQ3 能否有效结合牛顿迭代与基于块的 FFT 方法，以降低整体复杂度？
• RQ4 使用现代 FFT 和级数操作技术，$\exp f$ 的复杂度中可实现的最小常数因子是多少？

主要发现

• 所提出的算法在时间 $(13/6 + o(1))M(n)$ 内计算 $\exp f \bmod x^n$，优于此前最优的 $(7/3 + o(1))M(n)$。
• 改进源于避免对块的后半部分进行 FFT，节省了相当于对 $s$ 个大小为 $m$ 的块进行 FFT 的代价。
• 该算法正确地使用 van der Hoeven 的方法计算前 $s$ 个块，然后通过在对数导数上应用牛顿迭代来扩展精度。
• 复杂度分析为 $(13s - 4)T(2m) + O(s^2 m)$，在标准假设下，这给出了 $(13/6 + o(1))M(n)$ 的界限。
• 该方法通过在块索引上的归纳法证明其正确性，依赖于微分算子 $\delta$ 及其逆的性质。
• 该算法实现了常数因子 $13/6 \approx 2.1667$，相比此前的 $7/3 \approx 2.3333$，代表了显著的渐近改进。