อธิบายการตีความระดับเมตริกซ์ของ Gurvits ในบทความของ Deolalikar


20

[หมายเหตุ: ฉันเชื่อว่าคำถามนี้จะไม่ถูกต้องตามความถูกต้องหรือความไม่ถูกต้องของกระดาษของ Deolalikar]

ในบล็อกของ Scott Aaronson Shtetl Optimizedในการสนทนาเกี่ยวกับความพยายามล่าสุดของ Deolalikar ใน P vs NP, Leonid Gurvits ได้แสดงความคิดเห็นต่อไปนี้:

ฉันพยายามที่จะเข้าใจ / ปรับเปลี่ยนวิธีการและนี่คือความพยายามที่เรียบง่ายของฉัน: การแจกแจงความน่าจะเป็นแบบไม่ต่อเนื่องในกระดาษสามารถดูได้เป็นเทนเซอร์หรือพหุนามแบบหลายชั้นพิเศษมาก สมมติฐาน“ P = NP” ให้ขอบเขต (พหุนาม) บนขอบเขตของเมตริกซ์ และในที่สุดเมื่อใช้ผลลัพธ์ความน่าจะเป็นที่รู้จักเขาได้รับการไม่จับคู่ (เลขชี้กำลัง?) ที่ต่ำกว่าในอันดับเดียวกัน ถ้าฉันพูดถูกแล้วตัวนี้ก็เป็นคนที่ฉลาดมาก ๆ ในความรู้สึกที่ดีในระดับประถมศึกษาวิธีที่จะผลักดันวิธีพีชคณิตเรขาคณิต

แม้จะมีข้อสงสัย / ข้อบกพร่องที่เป็นที่รู้จักในการพิสูจน์ของ Deolalikar ฉันอยากรู้:

การแจกแจงที่กล่าวถึงในบทความของ Deolalikar สามารถพิจารณาเป็นเทนเซอร์ได้อย่างไรและงบของผลลัพธ์ของเขา (โดยไม่คำนึงถึงความถูกต้องของพวกเขา) จะแปลเป็นคำแถลงเกี่ยวกับ


เพิ่งเห็นสิ่งนี้ ทำไมไม่ถาม Gurvits ด้วยตัวเองล่ะ? ...
Ryan Williams

1
@ Ryan: ฉันทำ :) เขาตอบกลับอย่างรวดเร็วว่าตอนนี้เขายุ่งอยู่ แต่จะมาถึงในที่สุด ไม่นานมานี้และฉันก็หวังว่าจะมีใครบางคนที่นี่สามารถอธิบายคำพูดได้เร็วขึ้น
Joshua Grochow

คำตอบ:


10

[ฉันกำลังอ่านสิ่งที่ฉันคิดว่าไม่เกี่ยวข้องกันโดยสิ้นเชิงแล้วมี "ช่วงเวลา aha" ดังนั้นฉันคิดว่าฉันคิดว่าอย่างน้อยก็เป็นส่วนหนึ่งของคำตอบ ฉันไม่แน่ใจว่านี่เป็นสิ่งที่ Gurvits มีอยู่ในใจหรือไม่ แต่นี่สมเหตุสมผลสำหรับฉัน]

x1,...,xnR2R2R2|0|1ดังนั้นพื้นฐานของพื้นที่ผลิตภัณฑ์เมตริกซ์นี้ถูกกำหนดโดยชุดของสตริง n-bit ทั้งหมด หากเรามีองค์ประกอบของผลิตภัณฑ์เทนเซอร์นี้ซึ่งมีค่าสัมประสิทธิ์รวมเป็น 1 จากนั้นเราสามารถตีความค่าสัมประสิทธิ์ของสตริง n บิตใด ๆ ที่ให้เป็นความน่าจะเป็นของสตริงที่เกิดขึ้น - ดังนั้นการกระจายความน่าจะเป็น! ตอนนี้เนื่องจากเราต้องการกระจายความน่าจะเป็นเท่านั้น (สัมประสิทธิ์รวมกับ 1) เราจึงสามารถทำให้เวกเตอร์ใด ๆ ในผลิตภัณฑ์เทนเซอร์มีค่าปกติ โดยการพิจารณาเฉพาะเทนเซอร์แบบปกติเราแค่พิจารณาองค์ประกอบของพื้นที่ฉายภาพของผลิตภัณฑ์เทนเซอร์นี้เท่านั้น

μμ(x1,...,xn)=i=1npi(xi;xpa(i))pi(;xpa(i))xi

μμ(x1,...,xn)=i=1npi(xi)pipixi(p1(0)|0+p1(1)|1)(pn(0)|0+pn(1)|1)

x2i=1x2i+1iO(1)(|0|1+|1|0)(|0|1+|1|0)2n/22n/2R2R2R2O(n)O(1)O(n)2n

ฉันยังคงมีปัญหาในการจัดทำสองประเด็นและขอขอบคุณสำหรับคำตอบต่อไปนี้:

  • ทำให้การติดต่อหลังถูกต้อง
  • การเขียนสูตรสำหรับเทนเซอร์ที่สอดคล้องกับการกระจายของ polylog-parametrizable และรับขอบเขตบนของอันดับ

คุณเคยกลับมาที่นี่ไหม?
T ....
โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.