POT项目中矩阵平方根计算与Bures-Wasserstein距离的精度问题分析

背景介绍

在最优传输理论中，Bures-Wasserstein距离是衡量两个高斯分布之间差异的重要度量。POT(Python Optimal Transport)库作为该领域的常用工具，其实现质量直接影响计算结果的准确性。本文将深入分析POT库中矩阵平方根计算和Bures-Wasserstein距离实现的两个关键问题。

矩阵平方根计算的数值稳定性问题

在POT库的当前实现中，Backend.sqrtm函数用于计算矩阵的平方根，这是Bures-Wasserstein距离计算的核心组件之一。通过测试发现，该函数在单精度浮点数(float32)情况下存在数值不稳定性问题。

当使用以下代码测试时：

import torch
import ot

torch.manual_seed(42)
z = torch.randn(100000, 128)
C = torch.cov(z.T)
nx = ot.backend.get_backend(C)
C12 = nx.sqrtm(C)
torch.allclose(C12 @ C12, C)  # 预期应为True，但实际返回False

问题表现为：

1. 在float32精度下，计算结果与理论值存在约1e-6级别的误差
2. 在某些随机种子下(如3137)，计算结果甚至会出现NaN值

解决方案：当需要更高精度时，建议将输入矩阵转换为双精度浮点数(float64)：

z = torch.randn(100000, 128).double()  # 转换为双精度

Bures-Wasserstein距离实现中的公式误差

在分析过程中还发现，ot.gaussian.bures_wasserstein_distance函数的实现与Cuturi的《Computational Optimal Transport》中的理论公式存在不一致。具体表现为：

理论公式中要求对第二个协方差矩阵B进行平方处理，而当前实现中直接使用了原始矩阵B。这种差异会导致计算结果与理论预期不符。

技术建议

1. 精度选择：对于关键计算，特别是涉及矩阵分解的操作，推荐使用双精度浮点数以确保数值稳定性。

2. 算法改进：考虑采用更稳定的矩阵平方根算法实现，如基于Schur分解的方法，可以提高计算精度。

3. 公式修正：需要对照理论文献，严格验证Bures-Wasserstein距离的实现公式，确保与理论一致。

4. 异常处理：当前实现在某些情况下会产生NaN结果，应添加适当的输入验证和异常处理机制。

结论

矩阵运算的数值稳定性是科学计算中的常见挑战。POT库作为最优传输领域的重要工具，其核心算法的实现质量直接影响研究结果的可靠性。本文揭示的两个问题提醒我们：

• 在实现数学公式时需要严格对照理论文献
• 浮点数精度选择对计算结果有显著影响
• 关键算法组件需要充分的测试验证

建议用户在重要计算中使用双精度浮点数，并关注后续版本中这些问题的修复情况。