🔢 mathematics

Substitution and quotient of the isotropy group action

Este artículo introduce un método para fijar soluciones parciales de las ecuaciones de Brent de una manera que evita la redundancia de las acciones de los grupos de isotropía, generando así conjuntos de soluciones parametrizados no triviales que producen infinitos algoritmos inequivalentes de coeficientes racionales para 48 multiplicaciones.

Autores originales: Xin Li, Yu Wang, Shenglong Hu

Publicado 2026-07-17

📖 4 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Xin Li, Yu Wang, Shenglong Hu

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Imagina que estás intentando resolver un rompecabezas masivo e interconectado donde las piezas son números y el objetivo es multiplicar enormes cuadrículas de números (matrices) lo más rápido posible. Durante décadas, los matemáticos han estado buscando la forma más eficiente de hacer esto, buscando "atajos" que utilicen menos pasos de multiplicación que el método estándar. Estos atajos no son solo para ahorrar tiempo; son los motores secretos detrás de todo, desde los gráficos de los videojuegos hasta la inteligencia artificial. Las reglas de este rompecabezas están escritas en un lenguaje complejo de ecuaciones conocido como "ecuaciones de Brent". Piensa en estas ecuaciones como un mapa hacia una isla del tesoro de algoritmos súper rápidos. Sin embargo, hay un inconveniente: el mapa está cubierto por una niebla de simetría. Si encuentras un tesoro, la niebla oculta miles de otros que se ven diferentes pero que son en realidad el mismo tesoro rotado, volteado o estirado. Estas diferencias "falsas" son causadas por lo que los matemáticos llaman una "acción de grupo de isotropía"; una forma elegante de decir que las piezas del rompecabezas pueden barajarse de ciertas maneras sin cambiar la solución fundamental.

La gran pregunta ha sido: ¿Cómo encuentras tesoros realmente nuevos, en lugar de encontrar solo el mismo de nuevo con un atuendo diferente? Por lo general, cuando los matemáticos intentan hacer zoom en una parte específica del mapa para encontrar más soluciones, se quedan estancados. O bien encuentran un punto único y aislado (un callejón sin salida), o encuentran todo un camino de soluciones que son solo una versión "rotada" de la original. Es como intentar explorar un bosque caminando en círculos; puedes caminar mucho, pero nunca sales de la misma claridad. Este artículo, de Xin Li, Yu Wang y Shenglong Hu, introduce una nueva brújula ingeniosa para romper este ciclo. Desarrollaron un método para "fijar" ciertas partes del rompecabezas de la manera justa para que, cuando busques nuevas soluciones, estés garantizado de salir de la niebla y encontrar caminos que conduzcan a algoritmos genuinamente diferentes y únicos.

El principal descubrimiento de los autores es una técnica matemática que actúa como un filtro para estas simetrías. Se dieron cuenta de que la "niebla" de la simetría tiene una forma y dirección específicas, que se pueden calcular utilizando algo llamado "matriz de base tangente" (piensa en esto como la aguja de una brújula que apunta en la dirección de la simetría). Al comparar esta brújula con el "espacio nulo" (las direcciones donde el rompecabezas permite el movimiento), encontraron una regla para elegir qué piezas del rompecabezas bloquear. Si bloqueas las piezas correctas, las piezas libres restantes no solo se balancean a lo largo del mismo camino de simetría de siempre; sino que se ramifican hacia territorios completamente nuevos.

Usando este método, el equipo probó su teoría en algunos de los rompecabezas de multiplicación de matrices más famosos y difíciles conocidos por la ciencia. Comenzaron con una solución conocida para multiplicar matrices de 4x4 usando 48 pasos, una solución encontrada por Dumas, Pernet y Sedoglavic. Al aplicar su filtro de "ruptura de simetría", no solo encontraron una nueva respuesta; desbloquearon una familia infinita de soluciones. Demostraron que dentro de esta nueva familia, existen infinitamente muchos algoritmos matemáticamente distintos que no pueden convertirse unos en otros mediante simples rotaciones o barajados. También aplicaron esto a soluciones para matrices de 3x3 (usando 23 pasos) y 4x4 (usando 49 pasos), descubriendo que, en cada caso, podían generar conjuntos parametrizados de soluciones —esencialmente listas infinitas de nuevos algoritmos únicos— donde anteriormente, los investigadores podrían haber encontrado solo puntos aislados o bucles repetitivos.

El artículo no afirma haber resuelto el misterio definitivo de la multiplicación de matrices para todos los tamaños, ni dice que todas las soluciones se hayan encontrado ahora. En cambio, ofrece una herramienta poderosa: una forma de asegurar que, cuando busques nuevas soluciones, no estés simplemente caminando en círculos. Convierte la búsqueda de un juego de "encontrar lo mismo otra vez" en una exploración genuina de nuevos paisajes matemáticos, revelando que, para ciertos problemas, existen infinitas formas únicas de multiplicar matrices de manera eficiente, esperando ser descubiertas si tan solo sabemos cómo mirar más allá de la simetría.

Resumen Técnico: Sustitución y Cociente de la Acción del Grupo de Isotropía

Planteamiento del Problema
El artículo aborda el desafío de descubrir nuevos conjuntos de soluciones parametrizadas no triviales para las ecuaciones de Brent, que gobiernan los algoritmos para la multiplicación de matrices. Específicamente, los autores se centran en el sistema $B(m, n, p|r)$ , cuyo conjunto de soluciones $V(m, n, p|r)$ describe las descomposiciones tensoriales del tensor de multiplicación de matrices $\langle m, n, p \rangle$ con rango $r$ .

Un obstáculo principal en la exploración de estos conjuntos de soluciones es la presencia de una acción de grupo de isotropía de dimensión positiva $I(m, n, p|r)$ . Este grupo consta de cuatro componentes: la acción de de Groote (sandwiching/encajonamiento), el escalamiento de capas (layer scaling), la permutación de sumandos de rango uno y la simetría $S_3$ . Debido a que el conjunto de soluciones es invariante bajo este grupo, los métodos estándar de fijar soluciones parciales y realizar sustituciones suelen producir sistemas reducidos donde las soluciones parametrizadas resultantes pertenecen a la misma órbita del grupo de isotropía que la original. En consecuencia, estas "nuevas" soluciones son meras copias de simetría de las conocidas, fallando en proporcionar algoritmos genuinamente distintos. Los autores pretenden desarrollar un método para fijar soluciones parciales de tal manera que el conjunto parametrizado resultante intersea órbitas distintas del grupo de isotropía, generando así infinitamente muchos algoritmos inequivalentes.

Metodología
La metodología propuesta integra herramientas de la teoría de grupos de Lie con la geometría algebraica numérica. El enfoque central consiste en analizar la relación entre el nul espacio de la matriz Jacobiana y el espacio tangente de las órbitas del grupo.

Marco Geométrico: Los autores modelan el conjunto de soluciones $V(m, n, p|r)$ como una variedad foliada por las órbitas del grupo de isotropía $I(m, n, p|r)$ . Fijar una solución parcial corresponde a la intersección de esta variedad con un espacio lineal de coordenadas afines $L_I$ .
Matrices de Base de Tangente y Nul Espacio:
- Matriz de Base del Nul Espacio ( $N(s)$ ): Derivada de la matriz Jacobiana $J(s)$ de las ecuaciones de Brent en una solución suave $s$ . Su rango $d$ representa la dimensión local del conjunto de soluciones.
- Matriz de Base Tangente ( $T(s)$ ): Construida utilizando los generadores infinitesimales de la acción del grupo de Lie (específicamente los grupos de de Groote y de escalamiento de capas). Su rango $d_T$ representa la dimensión de la órbita del grupo que pasa por $s$ .
Criterio de Selección: Los autores proponen un criterio de primer orden para seleccionar un subconjunto de variables $I$ $I$ para fijar. Buscan un conjunto de índices $I$ $I$ tal que:
$\text{rank } N(s) - \text{rank } N_I(s) > \text{rank } T(s) - \text{rank } T_I(s)$
donde $N_I(s)$ $N_{I} (s)$ y $T_I(s)$ $T_{I} (s)$ son submatrices restringidas a las filas indexadas por $I$ $I$ .
- Si la desigualdad se cumple estrictamente, el sistema reducido posee direcciones lineales en $s$ que no son tangentes a la órbita del grupo. Esto implica que el conjunto de soluciones reducido interseca infinitas órbitas de grupo distintas.
- Si los rangos son iguales, el sistema reducido probablemente permanezca dentro de una sola órbita (o una unión finita de órbitas), lo que no genera nuevas soluciones inequivalentes.
Implementación: El método se implementa en Julia. El proceso incluye:
- Verificar la suavidad de una solución conocida mediante secuencias de deflación.
- Calcular $J(s)$ , $N(s)$ y $T(s)$ .
- Buscar conjuntos de índices $I$ que satisfagan la condición de brecha de rango (rank gap).
- Resolver el sistema polinomial reducido resultante (frecuentemente usando bases de Gröbner vía Oscar.jl) para obtener curvas o conjuntos de mayor dimensión parametrizados.

Contribuciones Clave

Criterio Teórico: El artículo establece un criterio riguroso de primer orden (Ecuación 3.10) basado en la diferencia entre la codimensión de las variables fijadas en el nul espacio frente al espacio tangente. Este criterio garantiza que el proceso de sustitución produzca soluciones en diferentes órbitas del grupo de isotropía.
Construcción Explícita: Los autores proporcionan fórmulas explícitas para calcular la matriz de base tangente $T(s)$ para las ecuaciones de Brent, contabilizando la estructura específica de las acciones de de Groote y de escalamiento de capas.
Marco Algorítmico: Se describe un procedimiento práctico, paso a paso, para transformar soluciones conocidas en familias de soluciones inequivalentes, superando los obstáculos de "solución aislada" o "misma órbita" de intentos de sustitución previos.

Resultados
Los autores aplicaron su método a varias soluciones conocidas de las ecuaciones de Brent:

$V(4, 4, 4|48)$ (Solución de Dumas, Pernet y Sedoglavic):
- La solución tiene una dimensión local de 151, mientras que la dimensión de la órbita es 141.
- Al fijar 2082 variables, los autores redujeron el sistema a 222 variables.
- El conjunto de soluciones resultante es una curva unidimensional que contiene infinitos puntos pertenecientes a distintas órbitas de $I(4, 4, 4|48)$ . Esto proporciona infinitos algoritmos inequivalentes para la multiplicación de matrices de $4 \times 4$ con 48 multiplicaciones utilizando coeficientes racionales.
- También se encontraron brechas de rango mayores, permitiendo conjuntos parametrizados de mayor dimensión.
$V(4, 4, 4|49)$ (Solución de AlphaTensor):
- La solución tiene una dimensión local de 197 y una dimensión de órbita de 143.
- Fijar 2344 variables redujo el sistema a 8 variables, obteniendo una curva parametrizada unidimensional de soluciones inequivalentes.
- Fijar 2269 variables resultó en un sistema reducido con 83 variables y un conjunto de soluciones de dimensión 9, demostrando la capacidad de generar familias de nuevos algoritmos de alta dimensión.
$V(3, 3, 3|23)$ (Solución de Laderman):
- La solución tiene una dimensión local de 76 y una dimensión de órbita de 70.
- Fijar 613 variables redujo el sistema a 8 variables, produciendo una curva unidimensional de soluciones inequivalentes.
- Fijar 574 variables produjo un conjunto de soluciones parametrizadas de dimensión 6.

Significancia
El artículo afirma que este método supera con éxito las limitaciones de las técnicas de sustitución anteriores, que a menudo fallaban al distinguir entre soluciones equivalentes por simetría y algoritmos genuinamente nuevos. Al utilizar la matriz de base tangente para identificar direcciones "transversas" respecto a la acción del grupo, los autores pueden extraer sistemáticamente familias parametrizadas no triviales a partir de soluciones conocidas.

La significancia principal radica en la capacidad de generar infinitos algoritmos inequivalentes para la multiplicación de matrices a partir de una sola solución conocida. Por ejemplo, la parametrización de la solución racional para la multiplicación de matrices de $4 \times 4$ con 48 multiplicaciones demuestra que no existe solo un algoritmo de este tipo, sino una familia infinita de ellos con coeficientes racionales. Esto expande el panorama conocido de los algoritmos de multiplicación de matrices y proporciona una herramienta sistemática para explorar la geometría de las ecuaciones de Brent. Los autores señalan que, si bien el método depende del supuesto de intersección transversa, los experimentos numéricos confirman su efectividad para las soluciones suaves en los casos probados.

Más como este