반정다체 곱셈 복잡도 탐구

초록

본 논문은 특성 2와 3을 갖는 작은 차원의 반정다체와 유한체 확장의 곱셈 연산에 대한 텐서 랭크(곱셈 복잡도)와 부가적인 덧셈·스칼라 곱 연산(덧셈 복잡도)을 조사한다. 최신 직선 프로그램(슬프) 탐색과 코드 이론을 결합해 일부 반정다체와 체의 텐서 랭크를 정확히 규명하고, 새로운 상·하한을 제시함으로써 전체 연산 비용을 감소시키는 알고리즘을 제안한다.

상세 분석

논문은 먼저 텐서 랭크와 lrp(Left‑Right‑Product) 표현을 이용해 곱셈 연산을 3‑텐서 형태로 모델링한다. 텐서 랭크 r은 최소 r개의 순위‑1 텐서 합으로 표현될 수 있는 최소값이며, 이는 기본 체에서 필요한 곱셈 수와 직접 대응한다. 저자들은 Brocket‑Dobkin 정리를 활용해 텐서 랭크가 최소한 A_q(n,n)이라는 선형 코드의 최단 길이와 같아야 함을 보이고, q가 충분히 클 때는 2n‑1이 정확한 값임을 재확인한다. 그러나 q가 작을 때는 아직 미해결인 경우가 많아, 본 연구는 F₂와 F₃ 위에서 차수 4~6 정도의 반정다체와 체에 대해 구체적인 수치를 제공한다.

특히 차수 5인 F₃⁵(=3⁵)와 차수 5인 반정다체(243 원소)에서 텐서 랭크를 각각 11과 10으로 정확히 규명한다. 이를 위해 MAGMA 기반의 전산 탐색을 수행했으며, 코드 생성 행렬 G와 그에 대한 모든 가능한 순열·대각 변환 σ·D·X 조합을 고려해 등가 클래스만을 검사함으로써 탐색 공간을 72배 이상 축소했다. 또한 부분적으로 대칭(L=R)인 텐서 분해를 탐색해, 대칭 반정다체에 대해 부분 대칭 텐서 랭크를 계산하고, 이 값이 전체 텐서 랭크와 일치하지 않을 경우가 있음을 확인했다.

덧셈 복잡도 측면에서는 직선 프로그램(슬프) 최적화를 위해 기존 PLinOpt 알고리즘을 개선하였다. 구체적으로 첫 번째 행 집합에 표준 기저 벡터를 자유롭게 포함시키고, 첫 번째 그룹의 행 수를 행렬의 랭크보다 크게 허용함으로써 더 많은 후보를 탐색하도록 설계했다. 이 하이브리드 커널 분해는 특히 행이 열보다 많은 경우에도 적용 가능하게 하였으며, 실험 결과 기존 방법 대비 평균 1~2개의 연산을 절감했다.

마지막으로 폴리노미얼 곱셈을 다른 폴리노미얼로 나누는 “folding” 기법을 도입해 차수 5 확장체 F₃⁵의 전체 연산 복잡도를 개선하였다. 이 기법은 선형 코드의 생성 행렬을 이용해 곱셈 결과를 미리 압축하고, 압축된 벡터에 대해 행렬‑벡터 곱을 수행한 뒤 복원하는 과정을 포함한다. 결과적으로 전체 곱셈·덧셈 연산 수가 기존 최적 알고리즘 대비 약 8% 감소하였다.

전반적으로 논문은 텐서 이론, 코드 이론, 그리고 실용적인 직선 프로그램 최적화를 결합해 작은 차원의 반정다체와 체에 대한 연산 복잡도에 새로운 상·하한을 제공하고, 실제 구현에 적용 가능한 구체적인 알고리즘을 제시한다는 점에서 의미가 크다.