격자 왜곡 문제와 근사 알고리즘

초록

본 논문은 두 격자 사이의 최소 왜곡을 정의한 “격자 왜곡 문제(LDP)”를 제시하고, 연속 최소값을 이용한 상한·하한을 구축한다. Seysen 기반의 기저 축소를 활용해 다항식·지수 시간 알고리즘을 설계하고, LDP를 상수 인수로 근사하는 것이 NP‑hard임을 SVP 감소를 통해 증명한다.

상세 분석

LDP는 두 n‑차원 격자 L₁, L₂ 사이의 선형 전단 T에 대해 ‖T‖·‖T⁻¹‖을 최소화하는 문제로 정의된다. 저자들은 먼저 연속 최소값 λᵢ(L)을 이용해 간단한 하한 M(L₁,L₂)·M(L₂,L₁) ≤ D(L₁,L₂) 를 도출한다. 여기서 M(L₁,L₂)=max_i λᵢ(L₂)/λᵢ(L₁) 이다. 이어서 상한을 구축하기 위해 “Seysen 조건수” S(B)=max_i‖b_i‖·‖b_i*‖ 를 도입하고, S(L)=min_{B}S(B) 로 정의한다. Seysen의 정리(S(L) ≤ n^{O(log n)})와 함께, 임의의 기저 B₁, B₂에 대해 ‖B₂B₁⁻¹‖·‖(B₂B₁⁻¹)⁻¹‖ ≤ n²·S(B₁)²·S(B₂)²·M(L₁,L₂)·M(L₂,L₁) 를 증명한다. 따라서 D(L₁,L₂) ≤ n^{O(log n)}·M(L₁,L₂)·M(L₂,L₁) 가 얻어진다.

알고리즘적 측면에서는 Seysen 절차와 기존의 LLL·slide reduction을 결합해, 주어진 k (log n ≤ k ≤ n) 에 대해 2^{O(k)} 시간에 n·O(k)·(n/k+log n) 근사의 γ‑LDP 를 해결한다. 즉, k 를 크게 잡으면 지수 시간에 거의 최적에 근접하고, k 를 작게 잡으면 다항식 시간에 n^{O(log n)} 근사를 얻는다.

복잡도 이론에서는 GapSVP의 난이도를 이용해 γ‑GapLDP 가 임의 상수 γ≥1 에 대해 NP‑hard임을 보인다. 구체적으로, SVP 인스턴스를 적절히 변환해 격자 쌍 (L₁,L₂) 를 만든 뒤, 두 격자 사이의 왜곡이 짧은 벡터 길이에 비례하도록 설계한다. 이를 통해 LIP와 달리 LDP는 근사 난이도가 높은 문제임을 확인한다.

마지막으로, HKZ‑축소된 기저만으로는 최적 왜곡을 잡을 수 없다는 반례를 제시하고, Seysen‑축소가 왜곡을 제어하는 데 필수적임을 강조한다. 전체적으로 논문은 격자 기하학, 기저 축소, 그리고 복잡도 이론을 통합해 LDP의 구조와 알고리즘적 한계를 체계적으로 밝힌다.