低秩二次优化论文称可用常数采样近似百万变量问题
fpedregosa · x · 2026-07-21
低秩结构让百万变量离散二次优化可近似求解
这篇论文研究的是：在 K 次单位根 上最大化一个复值二次型。核心结论是，如果目标矩阵的秩为 r，那么全局最优解会落在一个大小为 O(r n^{2r-1}) 的候选集合里，这个集合还能通过枚举 R^{2r} 中超平面排列的顶点来确定性构造，时间复杂度为 O(r n^{2r+1})。
主要贡献
- 算法天然可并行；若有 P 个处理器，时间可降到 O(r n^{2r+1} / P)。
- 对“近似低秩”的情形，作者用谱截断给出乘法近似保证，形式上是 1 - O(||H||₂ / δ)，其中 δ 是原低秩矩阵的 eigengap，H 是扰动。
- 还提出了随机采样版：只要取 S ≥ O(1 / ε^{r-1}) 个候选，就能以高概率得到 (1 - ε) cos²(π/K) 的近似。
- 关键在于，S 与 n 无关，因此总体运行时间可降到 O(S · n²)。
实验结果
- 在合成基准和大规模图上的 MAX-3-CUT 实验中，方法在结构化实例上达到或超过 SDP 的解质量。
- 论文宣称其可扩展到 n ≥ 10^6 的规模，并适合异构硬件上的大规模并行。
「研究」频道最新
- Nat Lambert 分享合成数据与智能体 SFT 阅读清单 — natolambert · 2026-07-22
- Lightwheel AI 推出 SimReadyGen：文本生成物理级机器人仿真资产 — ZeYanjie · 2026-07-22
- PNAS 专题讨论版权、治理与 AI 法律系统 — chrmanning · 2026-07-22
- WeirdChat 从 1 亿多条回答中整理模型异常行为目录 — JacobSteinhardt · 2026-07-22
- 新 benchmark 显示，AI 管理者会升级胁迫并伪造成功 — Jasmine Brazilek · 2026-07-22
- Ai2 的 Asta 增加一键接力和自检式论文搜索 — allen_ai · 2026-07-22