菲爾茲獎得主王虹透過 NeurIPS 2019 為低秩矩陣近似帶來數學突破
為何重要
這篇論文反映了 NeurIPS 等 AI 頂級會議正在深化對理論基礎工程的重視，不再僅限於神經網路架構設計。對產業界而言，這強調了將純數學工具（如調和分析）應用於最佳化演算法複雜度，可能是解決未來與結構化資料相關問題的關鍵路徑。
菲爾茲獎得主王虹教授於 2019 年 NeurIPS 發表一篇關於低秩矩陣近似的理論論文，利用調和分析工具優化了資料估算與處理的複雜度。
- 研究主題為 Column Subset Selection (CSS) 演算法，透過從原資料矩陣挑選代表性列，而非重新生成矩陣來降低儲存成本。
- 證明瞭當前 CSS 演算法的上界約為 O(k+1)，並針對 p≥2 的情況構造了下界，使結果精確到常數 1。
- 引入 Riesz–Thorin 插值定理，先解決 p=1、2、∞ 的邊界情況，再將結論拓展至所有 p 值。
- 論文符合 2026 年 NeurIPS 新分類中的 Theory 型別，測試數學嚴謹性與獨立成立的可能性。