P65 · 极值构型 · 本站原创 · 应用前沿

最鲁棒的冗余测量方向

文献中也称full spark frameserasure-robust framesmaximally robust to erasuresnumerically erasure-robust frames

已验证构造10 个方向的两两重合度热图,越亮越接近
d = 4, n = 10当前纪录 · 打开子题

在 Rᵈ 中选择 n 个非零向量。对每个大小为 d 的子集,取以这些向量为列的矩阵的行列式平方除以各向量范数平方之积;最大化所有子集中这个归一化体积的最小值。为零意味着某 d 个幸存测量无法恢复整个空间。

严格定义

  • 容器d 维实空间 Rᵈ;答案是 n 个测量方向
  • 提交恰好 n 个非零向量,每个 d 个坐标
  • 分数S 取遍全部 C(n,d) 个大小为 d 的子集,Vₛ 是以对应向量为列的 d×d 矩阵。V(P) 是最差子集的归一化行列式平方,验证器直接用有理数交叉相乘精确比较V(P)=minSdet(VS)2∏i|vi|2
  • 措辞本题以最差 d 元子集的归一化体积平方衡量抗擦除能力,反映所有幸存子集离线性退化的最远裕度
  • 计分纪录存为 floor(最小归一化体积 · 10¹⁸);页面显示该值,向下取整到第 12 位小数
  • 目标在所有合法测量方向族 P 中让 V(P) 尽可能大maxPV(P)

帮助理解

它防的是什么

冗余测量的目的是就算丢掉几个通道,剩下的测量仍能还原信号。full-spark 框架只要求任意 d 个幸存向量线性无关;本题更进一步,要求最差那组 d 个幸存向量张成的归一化体积也尽可能大,以免在噪声下病态放大误差。这类问题常见于稀疏信号处理、抗擦除传输和相位恢复。

前沿在哪里

full-spark 框架的存在性与构造已有不少理论结果,但在固定 (n, d) 下最大化最差子集归一化体积并没有现成的最优表。2026 年 10 月,zzzcy 提交并经本站核验的计算机辅助证明确定了 d = 3 下 n = 6、10 以及 d = 4 下 n = 8 的连续最优值,并给出了 d = 3、n = 8 在九位小数网格上的最优分数;其余子题仍然开放。

查看来源
逐个 n 竞争

所有 n 的当前最佳解

每个规模参数 n 都是一个独立计分的子题。点击任意卡片可查看当前纪录构型,或打开编辑器提交更优解答。

讨论区(0)↓

引用与数据

该题族所有子题的权威分数、证明状态、坐标数据与文献来源均汇总于下方稳定链接,按 CC BY 4.0 协议发布。由于分数随纪录刷新而更新,引用时请同时注明文件中的 generatedAt 时间戳。

GET https://minmaxarena.com/data/erasure-frames.json

引用建议使用 2026-10 冻结归档版:实时纪录会变,但冻结版永久固定,便于日后核查。

GET https://minmaxarena.com/data/editions/2026-10/erasure-frames.json
BibTeX(点击复制)
@misc{minmaxarena-erasure-frames-2026-10,
  title  = {{The most erasure-robust measurement directions} (P65)},
  author = {{MinMax Arena}},
  year   = {2026},
  note   = {Machine-verified records, 2026-10 edition},
  url    = {https://minmaxarena.com/data/editions/2026-10/erasure-frames.json},
  license = {CC BY 4.0}
}
DISCUSSION

讨论区

欢迎交流解题思路、分享构造方法或探讨卡壳之处。所有登录用户均可发帖;发言使用与排行榜一致的公开署名,并附带唯一注册编号(#UID)以防冒名。新发言经审核后公开。

暂无讨论,欢迎发表第一篇帖子。