텐서 힌트된 Mv 추측의 일반화와 복잡도 하한

초록

본 논문은 기존 행렬 기반 힌트된 Mv 추측을 텐서 환경으로 확장하고, 두 가지 알고리즘 설계와 그에 대한 시간 복잡도 분석을 제시한다. 또한, 단계별 하한을 제시하는 새로운 추측을 두 형태(Type I, Type II)로 정의한다. 핵심 아이디어는 텐서‑트릭을 이용해 Hadamard 곱과 텐서 곱을 교환함으로써 다중 단계 연산을 다항 시간 안에 수행할 수 있음을 보이는 것이다.

상세 분석

논문은 먼저 BNS19에서 제시된 힌트된 Mv 추측을 텐서 버전으로 일반화한다. 정의 1에서는 반환 반(boole) 반-반(semiring) 구조와 0 < τ ≤ 1이라는 희소도 파라미터를 도입하고, k개의 n × n 행렬 집합 {M, V₁,…,V_k}와 희소 행렬 집합 {P₁,…,P_k}을 입력으로 받는다. 목표는 (⊘{j=1}^k P_j)^⊤ (⊘{j=1}^k V_j)의 i번째 열을 반환하는 것이다. 여기서 ⊘ 연산은 텐서‑곱(outer product) 형태로 정의되며, 핵심 정리인 Lemma 3은 (⊘{j=1}^k P_j)^⊤ (⊘{j=1}^k V_j) = ⊙_{j=1}^k (P_j^⊤ V_j)임을 증명한다. 즉, 다중 텐서 곱을 Hadamard 곱으로 전환함으로써 연산 복잡도를 크게 낮출 수 있다.

두 가지 알고리즘 전략을 제시한다. 방법 1은 단계 2에서 모든 P_j^⊤ V_j를 계산하고, 이를 Hadamard 곱으로 결합한 뒤 최종적으로 M과 곱한다. 각 P_j는 n τ개의 비영 행을 가지므로, P_j^⊤ V_j 계산에 O(n^{1+τ}) 시간이 소요되고, 전체는 O(k n^{1+τ}+n^{ω(1,1,τ)})가 된다. 방법 2는 단계 2에서 어떠한 연산도 하지 않고, 단계 3에서 i번째 열에 해당하는 v_j를 추출한 뒤 동일한 Lemma 3을 적용해 M·(⊙_{j=1}^k P_j^⊤ v_j)를 계산한다. 이 경우 복잡도는 O(k n^{τ}+n^{1+τ})이다.

위 두 방법을 바탕으로 Conjecture 2를 제시한다. 이는 다항 전처리 후 적어도 하나의 단계가 Ω(n^{ω(1,1,τ)} − δ + k n^{1+τ} − δ) 혹은 Ω(n^{1+τ} − δ + k n^{τ} − δ) 시간을 필요로 한다는 하한을 주장한다.

또한 Type II 정의(Definition 4)를 도입해 V₁,…,V_k를 입력으로 받고, 대각 텐서 P(비영 원소 ≤ n τ)를 사용한다. 여기서는 텐서 곱을 직접 계산하거나, 절반 분할 전략을 통해 W₁·W₂^⊤ 형태로 변환한다. 두 방법 모두 n^{ω(…)} 형태의 매트릭스 곱 복잡도를 포함한다. Conjecture 5는 이 경우에도 단계 2와 단계 3 각각에 대해 유사한 Ω‑하한을 제시한다.

핵심 통찰은 텐서‑트릭을 이용해 다중 텐서 연산을 행렬 곱으로 환원함으로써 기존 행렬 기반 하한을 자연스럽게 확장할 수 있다는 점이다. 또한, 희소성 파라미터 τ가 0에 가까울수록 복잡도가 크게 감소하지만, τ가 1에 가까워질수록 매트릭스 곱 복잡도 ω에 의존하게 된다. 논문은 이러한 복잡도 경계가 현재 알려진 매트릭스 곱 알고리즘의 한계와 일치함을 강조하며, 새로운 하드 문제로서 텐서 힌트된 Mv 문제를 제시한다.