대규모 암시적 행렬의 로그‑행렬식 확률적 추정법

본 논문은 데이터 양이 급증함에 따라 행렬 원소를 직접 저장하거나 접근하기 어려운 상황에서, 행렬‑벡터 곱만을 이용해 로그‑행렬식을 추정하는 새로운 확률적 프로빙 방법을 제시한다. 저자들은 먼저 ‘암시적 행렬’이라는 개념을 정의한다. 이는 행렬 A∈ℂ^{n×n} 의 개별 원소는 메모리 상에 존재하지 않지만, A·x 를 계산하는 함수가 제공되는 경우를 의미한다. 이러한 상황은 대규모 천문학·우주론 데이터, 고해상도 이미지 처리, 그리고 복잡한 물리 시뮬레이션에서 흔히 발생한다. 전통적으로 행렬의 대각선이나 트레이스는 무작위 벡터 ξ (⟨ξ_i ξ_j*⟩=δ_{ij}) 를 이용한 프로빙으로 추정할 수 있다. 예를 들어, tr(A)=⟨ξ†Aξ⟩, diag(A)=⟨ξ⊙(Aξ)⟩ 로 근사한다. 그러나 로그‑행렬식은 비선형 함수이므로 직접적인 프로빙이 불가능했다. 저자들은 이를 해결하기 위해 로그‑행렬식을 적분 형태로 변형한다. 행렬을 대각 성분 D와 비대각 성분 N 으로 분리하고, Δ(t)=ln det(D+tN) 라는 ‘의사시간(pseudotime)’ 파라미터 t∈