MétaCan
Menu
Retour à la cohorte
Enregistrement W4417026731 · doi:10.4230/lipics.approx/random.2025.37

Permanental Rank vs Determinantal Rank of Random Matrices over Finite Fields

2025· article· en· W4417026731 sur OpenAlexafffund
Fatemeh Ghasemi, Gal Gross, Swastik Kopparty

Notice bibliographique

RevueArXiv.org · 2025
Typearticle
Langueen
DomaineMathematics
ThématiqueLimits and Structures in Graph Theory
Établissements canadiensYork UniversityUniversity of Toronto
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésRank (graph theory)Matrix (chemical analysis)Block matrixRandom matrixFinite fieldAlgebraic numberZero (linguistics)Random element

Résumé

récupéré en direct d'OpenAlex

This paper is motivated by basic complexity and probability questions about permanents of random matrices over small finite fields, and in particular, about properties separating the permanent and the determinant. Let q be a fixed odd prime, and let k ≤ n both be growing. For a uniformly random n × k matrix A over 𝔽_q, we study the probability that all k × k submatrices of A have zero permanent; namely that A does not have full permanental rank. When k = n, this is simply the probability that a random square matrix over 𝔽_q has zero permanent, which we do not understand. We believe that the probability in this case is 1/q + o(1), which would be in contrast to the case of the determinant, where the answer is 1/q + Ω_q(1). Our main result is that when k is O(√n), the probability that a random n × k matrix does not have full permanental rank is essentially the same as the probability that the matrix has a 0 column, namely (1 +o(1)) k/qⁿ. In contrast, for determinantal (standard) rank the analogous probability is Θ(q^k/q^n). At the core of our result are some basic linear algebraic properties of the permanent that distinguish it from the determinant.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,036
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,026

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,036
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,007
Communication savante0,0030,009
Science ouverte0,0020,002
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,021
Tête enseignante GPT0,295
Écart entre enseignants0,274 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueArXiv.orgMême sujetLimits and Structures in Graph TheoryTravaux en français237 207