[论文解读] Using Sums-of-Squares to Prove Gaussian Product Inequalities

Oliver Russell, Wei Sun|arXiv (Cornell University)|May 4, 2022

Analytic Number Theory Research被引用 4

一句话总结

本文提出了一种计算型平方和（SOS）方法，以严格证明关于中心化高斯向量的长期悬而未决的高斯乘积不等式（GPI）猜想的新情形。通过利用SOS表示和半定规划，作者严格证明了两个新的GPI不等式：$\mathbb{E}[X_1^{2m_1}X_2^6X_3^4] \geq \mathbb{E}[X_1^{2m_1}]\mathbb{E}[X_2^6]\mathbb{E}[X_3^4]$ 和 $\mathbb{E}[X_1^{2m_1}X_2^2X_3^2X_4^2] \geq \mathbb{E}[X_1^{2m_1}]\mathbb{E}[X_2^2]\mathbb{E}[X_3^2]\mathbb{E}[X_4^2]$，该方法还可推广至其中一个指数无界的场景。

ABSTRACT

The long-standing Gaussian product inequality (GPI) conjecture states that $E [\prod_{j=1}^{n}X_j^{2m_j}]\geq\prod_{j=1}^{n}E[X_j^{2m_j}]$ for any centered Gaussian random vector $(X_1,\dots,X_n)$ and $m_1,\dots,m_n\in\mathbb{N}$. In this paper, we describe a computational algorithm involving sums-of-squares representations of multivariate polynomials that can be used to resolve the GPI conjecture. To exhibit the power of this novel method, we apply it to prove two new GPIs: $E[X_1^{2m_1}X_2^{6}X_3^{4}]\ge E[X_1^{2m_1}]E[X_2^{6}]E[X_3^{4}]$ and $E[X_1^{2m_1}X_2^{2}X_3^{2}X_4^{2}]\ge E[X_1^{2m_1}]E[X_2^{2}]E[X_3^{2}]E[X_4^{2}]$.

研究动机与目标

• 开发一种基于平方和（SOS）表示的计算算法，以严格验证高斯乘积不等式（GPI）猜想的特定情形。
• 将可证明的GPI情形范围扩展至已知理论结果之外，特别是针对混合或负相关的情形。
• 通过证明两个具有固定指数的新GPI不等式，并将其推广至其中一个指数无界的情形，展示该方法的强大能力。
• 提供计算与代数证据，以支持GPI猜想，尤其在传统解析方法失效的情况下。
• 通过SOS分解在概率不等式与代数几何之间建立严格联系，从而开辟新的研究方向。

提出的方法

• 该方法利用多元多项式的平方和（SOS）表示，以证明GPI中联合矩与边缘矩乘积之差的非负性。
• 将GPI不等式表述为协方差矩阵元素的多项式不等式，将其视为自由实变量。
• 该算法利用半定规划（SDP）搜索该多项式差的精确SOS分解，从而确保严格证明。
• 该方法依赖于如下事实：联合矩 $\mathbb{E}[\prod_{j=1}^n X_j^{2m_j}]$ 可表示为从协方差矩阵导出的生成多项式 $G(t_1,\dots,t_n)$ 中的系数。
• 该方法使用符号计算软件（如 'SumsOfSquares' 包）实现，支持精确分解与验证。
• 作者通过在多种相关性情形下（包括负相关情形）检查多项式差的SOS分解，验证了其SOS性质。

实验结果

研究问题

• RQ1 平方和表示能否用于严格证明高斯乘积不等式（GPI）猜想的新情形？
• RQ2 SOS方法能否处理分析方法特别困难的负相关情形？
• RQ3 该方法能否推广至其中一个指数无界的情形，从而证明强于以往已知结果的不等式？
• RQ4 是否存在一种系统性的计算方法，可在不依赖非负相关等限制性假设的前提下验证GPI不等式？
• RQ5 SOS方法能否在一般证明仍不可行的情况下，为GPI猜想提供计算证据，即使该猜想尚未被完全证明？

主要发现

• 本文严格证明了任意中心化高斯向量 $(X_1,X_2,X_3)$ 满足不等式 $\mathbb{E}[X_1^{2m_1}X_2^6X_3^4] \geq \mathbb{E}[X_1^{2m_1}]\mathbb{E}[X_2^6]\mathbb{E}[X_3^4]$，解决了此前未解决的情形。
• 本文严格证明了任意中心化高斯向量 $(X_1,X_2,X_3,X_4)$ 满足不等式 $\mathbb{E}[X_1^{2m_1}X_2^2X_3^2X_4^2] \geq \mathbb{E}[X_1^{2m_1}]\mathbb{E}[X_2^2]\mathbb{E}[X_3^2]\mathbb{E}[X_4^2]$，确立了一个新的GPI情形。
• SOS方法成功证明了在其中一个指数无界时的GPI不等式，如定理4.1与4.2所示，其结果已超越固定指数的情形。
• 该方法为多项式差提供了精确的SOS分解，确认了其非负性，从而以计算严谨性证明了不等式。
• 作者提出了一个更强的猜想（猜想5.1），即GPI不等式在相关性参数下对应一个SOS多项式，从而在概率与代数几何之间建立了联系。
• 该方法具有通用性，适用于任意固定维数且除一个指数外其余指数固定的GPI形式（1.2），是首个适用于GPI的通用计算方法。