正确的提示信息

扫码打开虎嗅APP

从思考到创造
打开APP
搜索历史
删除
完成
全部删除
热搜词
2021-03-09 15:30

这两个男人,靠“猜”答案获得最佳论文奖

本文来自微信公众号:量子位(ID:QbitAI),作者:鱼羊、萧箫,原文标题:《靠答案获得顶会最佳论文,华人IOI金牌获得者找到复杂鸡兔同笼最简解法》,头图来自:《模仿游戏》


还记得小时候被“鸡兔同笼”支配的恐惧吗?


其实,当我们学习了二元一次方程,就知道这个问题并不复杂:



不过,可别小看了这样的线性方程,试想一下,如果动物的种类不止2种,特征也不只头和脚呢?


比如……



这个时候,我们就只能求助矩阵乘法了。




那么,问题来了,采用高斯消元法,求解的复杂度就是O(n3)


也就是说,如果n从2增加到4,求解复杂度就会增加2³即8倍。


n越来越大,计算的步骤就会以3次方的速度快速增加……


想想机器学习、工程项目里极其复杂的矩阵乘法,是不是有点头皮发麻的感觉。


好消息是,现在,这个困扰工程师们已久的基础问题,有了突破性进展


计算机理论顶会SODA 2021的最佳论文,用“猜”答案的方式,一口气把算法复杂度减小到了O(n2.3316)


论文作者,是来自佐治亚理工学院的两位数学家:彭泱和Santosh Vempala



这项研究具体是怎么一回事?快来一起研究研究。


IOI金牌获得者,靠“猜”推动研究


IOI金牌获得者、来自佐治亚理工学院的助理教授彭泱,和他的合作者Santosh Vempala共同提出了一种全新的思路。



相比于此前,数学家们不停地改进矩阵乘法的算法,他们别出心裁,想到能否靠“猜”,来重新设计一种算法。


这种方法就是:猜测每个未知数的值,把它们代入方程后,查看结果与实际值相差有多大。


然后,修正未知数的值,再猜一次。


这种方法,在计算机方向上被称为迭代法



彭泱的这种迭代算法,在方程的数量变得极多、且每个方程涉及的未知数较少时,显示出了巨大的优势。


也就是说,如果在一个系数矩阵属于“稀疏矩阵”——矩阵本身特别大,但相对地,系数为0的数量又非常多的时候,迭代法就会出现神奇的结果。



此前,没有人能够证明,“迭代法”对于稀疏矩阵而言,是否会比“矩阵乘法”更快。


当然,这种算法并不只靠“猜”。


彭泱设计的算法中,他们还会在给出多组随机数的同时,将这些随机数组并行计算。


这就像是数百个人同时在山林中搜索宝藏,肯定比一个人反复搜索要更快。


但这种算法的设计,还面临两个难点:


  • 如何保证设计出来的数,足够随机、不偏向问题的任何一部分?


  • 如何保证设计出来的这些随机数组,全面覆盖每一种可能性?


他们发现,正因为由随机数构造出的矩阵中,项数是随机的、且彼此之间有着某种关联,因此,这一矩阵本身就具有某种对称性。


这就意味着,如果知道矩阵中某些具体的数值,就能推断出一整个矩阵的形状。


这一发现,使得他们设计的算法,比未考虑矩阵对称性的那些算法,找到解的速度更快。


事实证明,这种算法确实能够保证在O(n2.3316)复杂度以内,完成任何计算。


这比之前的O(n2.37286),复杂度降低了不少,可以说是一个巨大的进步。



这一新发现,让彭泱和他的合作者获得了ACM-SIAM离散算法研讨会SODA 2021的最佳论文奖。


为什么要降低计算复杂度?


解一个二元一次方程,也就是2×2的矩阵,靠中学知识就能轻松搞定。


然而当n变得越来越大,求解方程的计算量就会以3次方的速度迅速增加。


这是什么概念?


意味着如果线性问题中,要求解的未知数达到100甚至10000,那么计算量复杂度就会增加1000000、甚至1012倍。


目前,机器学习、动力学模拟等问题,都会遇到超大规模线性方程组,如何降低计算复杂度,一直是学者们致力解决的问题。



要是计算复杂度居高不下,对于计算机而言,将会是一个巨大而沉重的负担。


因此,数学家们一直在想方设法将线性问题的复杂度弄得更小一点,也就是让O(nω)中的ω变小。


哪怕ω减小的量只有0.00001,对于上百万未知数的方程组来说也是一个巨大的进步。


通过不断改善矩阵乘法,ω先是从3降低到2.81,历经多次研究后,被MIT和哈佛的数学家们降低到2.37286。


然而,到这个阶段,数学家们倾尽全力所设计的新算法,也只是将ω降低了0.00001而已。


有数学家进行过预测,ω可以无限接近于2,也就意味着这种线性问题的计算复杂度还能尽力向O(n²)靠拢。


因此,彭泱他们的新算法,可以说是将这一研究向前推动了一大步。


关于作者


论文作者彭泱,江苏南京人,现为佐治亚理工学院计算机科学系助理教授。


他本科毕业于滑铁卢大学数学专业,其后在CMU拿下计算机科学博士学位。2013年~2015年在MIT担任应用数学博士后。


目前,他主要关注的研究方向是高效算法的设计、分析和实现。


根据Google Scholar,彭泱的论文引用数为2788,h指数为28。



他的名字,也频频见于FOCS、STOC、SODA等计算机理论顶会论文当中。



彭泱与数学和计算机结缘很早,据中国侨网报道,他8年级时就曾参加10年级水平的美国数学比赛,并获得满分的成绩。还在2004年和2005年参加加拿大计算机竞赛,摘下金牌。


2005年和2006年,彭泱代表加拿大队参加国际奥林匹克数学竞赛(IMO),分别获得银牌和铜牌。



而在此期间,他还参与了2004年、2005年和2006年的国际奥林匹克信息学竞赛(IOI),并在2005年获得金牌。



论文的另一位作者Santosh Vempala是著名计算机科学家,佐治亚理工学院计算机科学杰出教授。2015年,他入选“因对凸集和概率分布算法的贡献”,入选ACM Fellow。



他的主要研究方向是算法理论,用于抽样、学习、优化和数据分析的算法工具,高维几何,随机线性代数等。


Santosh Vempala还是古根海姆奖、斯隆奖获得者。


论文地址:

https://arxiv.org/abs/2007.10254


参考链接:

[1]https://www.quantamagazine.org/new-algorithm-breaks-speed-limit-for-solving-linear-equations-20210308/ [2]https://www.cc.gatech.edu/~rpeng/ [3]http://www.arc.gatech.edu/ [4]https://www.chinaqw.com/node2/node2796/node2882/node3156/userobject6ai253919.html [5]https://www.siam.org/conferences/cm/conference/soda21


本文来自微信公众号:量子位(ID:QbitAI),作者:鱼羊、萧箫

本内容为作者独立观点,不代表虎嗅立场。未经允许不得转载,授权事宜请联系 hezuo@huxiu.com
如对本稿件有异议或投诉,请联系tougao@huxiu.com
打开虎嗅APP,查看全文
频道:

支持一下

赞赏

0人已赞赏

大 家 都 在 看

大 家 都 在 搜

好的内容,值得赞赏

您的赞赏金额会直接进入作者的虎嗅账号

    自定义
    支付: