연구진은 Burer-Monteiro(BM) 형식을 활용한 저랭크 행렬 최적화에서 목표 랭크를 모를 때도 최적화 효율을 높이는 방향-크기 분해(DMD) 프레임워크를 제안했어요.
DMD는 과매개변수 DMD와 재귀 DMD 두 가지 접근 방식을 개발하여 기존 BM 방식보다 기하급수적으로 빠른 수렴 속도를 보였으며, 메모리 및 계산 비용을 절감했어요.
행렬 분해, 센싱, 완성 등 다양한 실험에서 이론적 장점을 확인하고 DMD의 실용적인 효과를 입증했어요.