양의 반정밀 그로스네딕 문제와 순위 제한 최적 근사

초록

양의 반정밀 행렬 A에 대해 변수들을 n차원 구면 S^{n-1}에 배치하는 SDP_n 문제를 다룬다. 저자들은 다항시간 근사 알고리즘을 제시하여 비율 γ(n)=\frac{2}{n}\left(\frac{\Gamma((n+1)/2)}{\Gamma(n/2)}\right)^{2}=1-\Theta(1/n) 를 달성하고, 유니크 게임 가설(UGC) 하에서 이 비율이 최적임을 증명한다. 또한 SDP_1에 대한 기존 2/π 비율을 2/(πγ(m))=2/π+Θ(1/m) 로 개선하고, 그래프 라플라시안인 경우 더 강한 비율을 얻는다.

상세 분석

본 논문은 양의 반정밀 행렬 A∈ℝ^{m×m}와 정수 n≥1이 주어졌을 때, 변수들을 n차원 단위 구면 S^{n-1} 위의 벡터 x_i 로 선택하여 목적함수 Σ_{i,j}A_{ij} x_i·x_j 를 최대화하는 문제 SDP_n을 정의한다. 이는 전통적인 양의 반정밀 그로스네딕 문제의 순위 제한 버전으로, n=1일 때는 고전적인 MAX CUT 형태와 동일하다. 저자들은 먼저 SDP_n의 반정밀 이완(SDP) 형태를 제시하고, 이를 다항시간에 풀 수 있음을 보인다. 핵심은 고차원 구면 위에서 무작위 정규분포를 이용해 얻은 벡터들을 적절히 정규화하고, 그 후에 랜덤 하이퍼플레인 절단을 적용해 이산 해를 구성하는 라운딩 기법이다. 이 과정에서 구면상의 두 점 사이의 내적 분포가 베타분포와 연결됨을 이용해 기대값을 정확히 계산한다. 그 결과 얻어지는 근사 비율은

γ(n)=\frac{2}{n}\Bigl(\frac{Γ((n+1)/2)}{Γ(n/2)}\Bigr)^{2}

이며, 스털링 근사를 적용하면 γ(n)=1-Θ(1/n) 로 n이 커질수록 1에 수렴한다.

다음으로 저자들은 유니크 게임 가설(UGC) 하에서의 하드니스 결과를 증명한다. 이를 위해 SDP_n을 일반적인 MAX CSP 형태로 변환하고, 기존에 알려진 UGC 기반 난이도 증명(특히 Max-Cut의 Goemans‑Williamson 비율)과 유사한 구조를 활용한다. 결과적으로 γ(n)보다 높은 비율을 달성하는 다항시간 알고리즘이 존재한다면 UGC가 부정된다는 결론을 얻는다. 즉, 제시된 γ(n)은 근사 가능성의 한계이며, 현재 알려진 최선의 비율과 일치한다.

특히 n=1인 경우, 기존에 알려진 2/π≈0.6366 비율을 γ(m)와 결합해 2/(πγ(m))=2/π+Θ(1/m) 로 개선한다. 이는 m이 클수록 기존 비율에 미세한 상승을 제공한다. 또한 A가 그래프의 라플라시안 행렬(비음수 가중치)일 때는 라플라시안의 스펙트럼 특성을 이용해 더 강한 하한을 도출한다. 구체적으로, 라플라시안의 최소 비자명 고유값 λ_2와 연결된 Cheeger‑type 불평등을 결합해, 근사 비율을 1- O(√{λ_2}) 수준으로 끌어올린다.

전체적으로 논문은 고차원 구면 위의 확률적 라운딩, 베타·감마 함수의 정밀 계산, 그리고 UGC 기반 하드니스 증명을 조화시켜, 순위 제한 양의 반정밀 그로스네딕 문제에 대한 이론적 최적 근사 알고리즘을 제공한다.