Não sei exatamente qual é o nível adequado para o artigo da Wikipedia (artigos diferentes parecem direcionados a diferentes níveis de conhecimento) ou exatamente o que você está procurando. Então, aqui está uma tentativa, mas estou aberto a comentários.
A teoria da complexidade geométrica propõe estudar a complexidade computacional das funções computacionais (digamos, polinômios), explorando as simetrias inerentes à complexidade e quaisquer simetrias adicionais das funções que estão sendo estudadas.
Como em muitas abordagens anteriores, o objetivo final é separar duas classes de complexidade , mostrando que existe um polinômio que assume funções como entradas (por exemplo, , por seus vetores de coeficiente), de forma que desaparece em todas as funções mas não desaparece em alguma função . pfpf∈ C e a s y g h a r d ∈ C h a r dCeasy,Chardpfpf∈Ceasyghard∈Chard
A primeira idéia-chave (cf. [GCT1, GCT2]) é usar simetrias para organizar não as próprias funções, mas para organizar as propriedades ( algebro-geométricas ) dessas funções, capturadas por polinômios como acima. Isso permite o uso da teoria da representação na tentativa de encontrar uma . Idéias semelhantes relacionadas à teoria das representações e à geometria algébrica já haviam sido usadas na geometria algébrica antes, mas para o meu conhecimento nunca dessa maneira.ppp
A segunda ideia-chave (cf. [GCT6]) é encontrar algoritmos combinatórios (e em tempo polinomial) para os problemas teóricos da representação resultantes e depois fazer engenharia reversa desses algoritmos para mostrar que esse existe. Isso pode ser tomado no espírito de usar a Programação Linear (um algoritmo) para provar certas declarações puramente combinatórias.p
De fato, [GCT6] sugere reduzir os problemas teóricos da representação acima para problemas de Programação Inteira , mostrando então que os IPs resultantes são resolvidos por seus relaxamentos de LPs e, finalmente, fornecendo algoritmos combinatórios para os LPs resultantes. As conjecturas em [GCT6] são motivadas por resultados conhecidos de engenharia reversa para os coeficientes de Littlewood-Richardson, um problema análogo, porém mais fácil, na teoria das representações. No caso dos coeficientes de RL, a regra combinatória de Littlewood-Richardson veio em primeiro lugar. Mais tarde, Berenstein e Zelevinsky [BZ] e Knutson e Tao [KT] (veja [KT2] para uma visão geral amigável) forneceram um IP para os coeficientes de RL. Knutson e Tao também provaram a conjectura de saturação, o que implica que o PI é resolvido por seu relaxamento de LP (cf. [GCT3, BI]).
Os resultados de [GCT5] mostram que a des aleatorização explícita do lema de normalização de Noether é essencialmente equivalente ao notório problema em aberto na teoria da complexidade da des randomização em caixa preta dos testes de identidade polinomial . Basicamente, como isso se encaixa no programa maior é que encontrar uma base explícita para as funções que (não) desaparecem em (nesse caso, a classe para a qual o determinante está completo) pode ser usado para derivar uma regra combinatória para o problema desejado na teoria das representações, como aconteceu em outras configurações na geometria algébrica. Um passo intermediário aqui seria encontrar uma base para os que (não) desaparecem sobre a normalização dasC e uma s y p C e uma s ypCeasypCeasy , que é a construção de uma variedade algébrica mais agradável - em outras palavras, para derandomizar o Lemma de Normalização de Noether para DET.
Exemplos de simetrias de complexidade e funções
Por exemplo, a complexidade de uma função - para a maioria das noções naturais de complexidade - permanece inalterada se permutarmos as variáveis por alguma permutação . Assim, permutações são simetrias da própria complexidade. Para algumas noções de complexidade (como na complexidade do circuito algébrico) todas as mudanças lineares invertíveis das variáveis são simetrias.f ( x π ( 1 ) , … , x π ( n ) ) πf(x1,…,xn)f(xπ(1),…,xπ(n))π
Funções individuais podem ter simetrias adicionais. Por exemplo, o determinante possui as simetrias para todas as matrizes modo que . (Pelo pouco que aprendi sobre isso, concluo que isso é análogo ao fenômeno da quebra espontânea de simetria na física.)det(X)det(AXB)=det(XT)=det(X)A,Bdet(AB)=1
Algum progresso recente [esta seção definitivamente incompleta e mais técnica, mas uma conta completa levaria dezenas de páginas ... Eu só queria destacar algum progresso recente]
Burgisser e Ikenmeyer [BI2] mostraram um limite inferior de na multiplicação de matrizes após o programa GCT, tanto quanto usavam representações com multiplicidades zero vs diferentes de zero. Landsberg e Ottaviani [LO] deram o limite inferior mais conhecido de essencialmente no posto fronteiriço da multiplicação de matrizes usando a teoria das representações para organizar propriedades algébricas, mas não usando multiplicidades de representações nem regras combinatórias.32n22n2
O próximo problema após os coeficientes de Littlewood-Richardson são os coeficientes de Kronecker . Eles aparecem tanto em uma série de problemas que se suspeita que eventualmente atinjam os problemas teóricos da representação que surgem no TCG e mais diretamente como limites nas multiplicidades da abordagem do TCG para a multiplicação de matrizes e permanente versus determinante. Encontrar uma regra combinatória para os coeficientes de Kronecker é um problema aberto de longa data na teoria das representações; Blasiak [B] recentemente deu uma regra combinatória para os coeficientes de Kronecker com uma forma de gancho.
Kumar [K] mostrou que certas representações aparecem no anel de coordenadas do determinante com multiplicidade diferente de zero, assumindo a conjectura do quadrado latino da coluna (cf. Huang-Rota e Alon-Tarsi; essa conjectura também, talvez não por coincidência, aparece em [BI2 ]). Portanto, essas representações não podem ser usadas para separar permanente de determinante com base em multiplicidades zero versus diferente de zero, embora ainda seja possível usá-las para separar permanente de determinante por uma desigualdade mais geral entre multiplicidades.
Referências
[B] J. Blasiak. Coeficientes Kronecker para um formato de gancho. arXiv: 1209.2018, 2012.
[BI] P. Burgisser e C. Ikenmeyer. Um algoritmo de fluxo máximo para positividade dos coeficientes de Littlewood-Richardson. FPSAC 2009.
[BI2] P. Burgisser e C. Ikenmeyer. Limites inferiores explícitos via teoria da complexidade geométrica. arXiv: 1210.8368, 2012.
[BZ] AD Berenstein e AV Zelevinsky. Multiplicidades triplas para e o espectro da álgebra externa da representação adjunta. sl(r+1)J. Algebraic Combin. 1 (1992), n. 1, 7-22.
[GCT1] KD Mulmuley e M. Sohoni. Teoria da Complexidade Geométrica I: Uma Abordagem de P vs. NP e Problemas Relacionados. SIAM J. Comput. 31 (2), 496-526, 2001.
[GCT2] KD Mulmuley e M. Sohoni. Teoria da Complexidade Geométrica II: Rumo a Obstruções Explícitas para Casamentos entre Variedades de Classe. SIAM J. Comput., 38 (3), 1175-1206, 2008.
[GCT3] KD Mulmuley, H. Narayanan e M. Sohoni. Teoria da complexidade geométrica III: na decisão de não-fuga de um coeficiente de Littlewood-Richardson. J. Algebraic Combin. 36 (2012), n. 1, 103-110.
[GCT5] KD Mulmuley. Teoria da Complexidade Geométrica V: Equivalência entre a des randomização da caixa preta do teste de identidade polinomial e a des randomização do Lema de Normalização de Noether. FOCS 2012, também arXiv: 1209.5993.
[GCT6] KD Mulmuley. Teoria da Complexidade Geométrica VI: o flip via positividade. , Relatório Técnico, departamento de Ciência da Computação, Universidade de Chicago, janeiro de 2011.
[K] S. Kumar. Um estudo das representações apoiadas pelo fechamento da órbita do determinante. arXiv: 1109.5996, 2011.
JM Landsberg e G. Ottaviani. Novos limites inferiores para a classificação de borda da multiplicação de matrizes. arXiv: 1112.6007, 2011.
A. Knutson e T. Tao. O modelo de favo de mel dos produtos tensores . I. Prova da conjectura de saturação. GLn(C)J. Amer. Matemática. Soc. 12 (1999), n. 4, 1055-1090.
[KT2] A. Knutson e T. Tao. Favos de mel e somas de matrizes hermitianas. Avisos Amer. Matemática. Soc. 48 (2001), n. 2, 175-186.