计算机科学 > 计算复杂性
[提交于 2025年9月2日
]
标题: 线性算子的下界
标题: Lower Bounds for Linear Operators
摘要: 我们考虑在单元探测模型下计算线性算子的静态数据结构问题。 给定一个线性算子$M \in \mathbb{F}_2^{m \times n}$,目标是将向量$X \in \mathbb{F}_2^n$预处理成一个大小为$s$的数据结构,以时间$t$回答任何查询$\langle M_i , X \rangle$。 我们证明,对于一个随机算子$M$,任何这样的数据结构都需要: $$ t \geq \Omega ( \min \{ \log (m/s) , n / \log s \} ).$$这一结果通过使用随机线性算子克服了静态数据结构中著名的对数障碍 [MNSW98, Sie04, PD06, PTW08, Pat11, DGW19]。 此外,它为确认一个几十年来的常识性猜想提供了首次重大进展:即非线性预处理在计算大多数线性算子时不会带来显著帮助。 我们证明的直接修改也得出一个线缆下界$\Omega(n \cdot \log^{1/d}(n))$,对于计算特定线性算子$M \in \mathbb{F}_2^{O(n) \times n}$的深度$d$电路,即使在某些小常数优势超过随机猜测的情况下也成立。 此界限甚至适用于仅比随机猜测有小常数优势的电路,优于[RS03, Che08a, Che08b, GHK+13]对随机算子的长期结果。 最后,我们的工作部分解决了Multiphase猜想 [Pat10] 的通信形式,并推进了Jukna-Schnitger猜想 [JS11, Juk12]。 我们通过考虑当查询次数$m$超多项式(例如$2^{n^{1/3}}$)时的内积(模2)问题(而不是集合不相交问题),以及总更新时间是$m^{0.99}$来解决前者。 我们对后者的结果也适用于超多项式$m$的情况。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.