哈佛、MIT學者聯手，創下矩陣乘法運算最快紀錄
矩陣乘法作為一種基本的數學運算，在計算機科學領域有著非常廣泛的應用，矩陣乘法的快速算法對科學計算有著極為重要的意義。自 1969 年 Strassen 算法開始，人們意識到了快速算法的存在，開始了長達數十年的探索研究。
當你擁有兩個大小一致的矩陣時，則可以將它們相乘得到第三個矩陣。例如，一對 2×2 矩陣的乘積也將是 2×2 矩陣，包含 4 個元素。即一對 n×n 矩陣的乘積是具有 n^2 個元素的另一個 n×n 矩陣。
因此，矩陣乘法至少需要 n^2 步，人們理想中的計算復雜度也就是 O(n^2)。
2020 年 10 月，來自哈佛大學與 MIT 的兩位研究者發表了一篇論文，他們創建了有史以來矩陣相乘的最快算法，相比于之前最快算法，計算復雜度下降了 10 萬分之一。其中，論文一作 Josh Alman 是哈佛大學的博士后研究生，主要研究算法設計與復雜度理論。二作 Vassilevska Williams 是 MIT 計算機科學與人工智能實驗室（CSAIL）副教授，致力于將組合和圖論工具應用于計算領域。
圖（左）Josh Alman；圖（右） Virginia Vassilevska Williams。
論文地址：https://arxiv.org/pdf/2010.05846.pdf
矩陣乘法的運算方法
為了了解該過程及其改進方法，我們首先來看一對 2 x 2 的矩陣，分別為矩陣 A 和矩陣 B。在計算它們的乘積時，需要使用矩陣 A 的對應行和矩陣 B 的對應列。具體運算方法如下圖所示：
上述運算被稱為矩陣的內積（inner product），按照上圖所示的方法可以計算乘積矩陣中其他元素的值。對于上圖的情況，這樣的方法需要進行 8 次乘法運算，還有一些加法運算。通常，兩個 n x n 矩陣相乘，一共需要 n^3 次乘法運算。
隨著矩陣的增大，矩陣乘法所需的乘法運算數量比加法運算漲得快得多。通常，研究人員僅根據所需的乘法次數來度量矩陣乘法的運算速度。
幾個世紀以來，人們一直認為 n^3 就是完成矩陣乘法最快的速度。Strassen 提出了一組復雜的關系，從而利用 14 次加法替換了上述 8 個乘法之一。
1981 年，Arnold Schönhage 利用這種方法證明了矩陣乘法的計算復雜度可以降低至 O(n^2.522)，Strassen 后來將此方法稱為 laser 方法。
創造新紀錄
幾十年以來，矩陣乘法運算的每次提速都得益于 laser 方法的改進，原因是研究者們找到了在這兩類問題之間進行轉換的高效方法。Alman 和 Vassilevska Williams 的新方法也是如此。
矩陣乘法中，兩個 n x n 矩陣的計算復雜度可以用
表示，其中
此前最快的紀錄是 2014 年 François Le Gall 創造的，其中：
而在 Alman 和 Vassilevska Williams 的新方法中：
具體地講，他們將復雜度降至了 O(n^2.3728596)，創造了矩陣乘法運算最快的新紀錄。
值得一提的是，2012 年 Vassilevska Williams 就曾將這一數字降至 n^2.372873，不過在 2014 年被 François Le Gall 的 n^2.3728639 打破了。
然而，盡管這種方法為矩陣乘法的速度帶來了一定的改進，但可以看到，改進的幅度越來越小。
日本名古屋大學數學研究生院副教授 François Le Gall。
實際上，Alman 和 Vassilevska Williams 的改進可能已經達到了 laser 方法的極限，但仍與終極理論目標相去甚遠。
加州理工學院計算機科學教授 Chris Umans 表示：「使用該研究中的方法不太可能將復雜度降至 O(n^2)」。若想達到，還需找到新的方法。
