[論文レビュー] Convergent sequences of sparse graphs: A large deviations approach

Christian Borgs, Jennifer Chayes+1 more|arXiv (Cornell University)|Feb 19, 2013

Limits and Structures in Graph Theory参考文献 12被引用数 6

ひとこと要約

本稿は、i.i.d. ノード重みによって誘導される [0,1] および [0,1]² 上の確率測度に基づく、スパースグラフ列を分析するための新しい枠組みとして、大偏差（LD）収束を導入する。LD収束は右収束、左収束、分割収束を含み、制限自由エネルギーを表現する制限対象を提供する。これにより、収束概念間の未知の関係が解明される。

ABSTRACT

In this paper we introduce a new notion of convergence of sparse graphs which we call Large Deviations or LD-convergence and which is based on the theory of large deviations. The notion is introduced by "decorating" the nodes of the graph with random uniform i.i.d. weights and constructing random measures on $[0,1]$ and $[0,1]^2$ based on the decoration of nodes and edges. A graph sequence is defined to be converging if the corresponding sequence of random measures satisfies the Large Deviations Principle with respect to the topology of weak convergence on bounded measures on $[0,1]^d, d=1,2$. We then establish that LD-convergence implies several previous notions of convergence, namely so-called right-convergence, left-convergence, and partition-convergence. The corresponding large deviation rate function can be interpreted as the limit object of the sparse graph sequence. In particular, we can express the limiting free energies in terms of this limit object.

研究の動機と目的

• スパースグラフに対して、従来の左収束、右収束、分割収束といった概念が同値であるとは知られていない、統一された収束フレームワークの欠如に応える。
• i.i.d. ノード装飾に基づく確率測度に大偏差原理を適用することで定義される、新たな収束概念「大偏差（LD）収束」を提案する。
• LD収束が既存の収束タイプ（右収束、左収束、分割収束）を含むことを確立し、それらを共通の制限対象の下で統一する。
• 制限自由エネルギーの表現を可能にする、大偏差レート関数を制限対象として提供する。
• 分割収束が左収束／右収束を含まない、および右収束が分割収束を含まないという、収束概念の階層に関する未解決問題を解消する。

提案手法

• 各グラフのノードに、[0,1] 上のi.i.d. 均一乱数重みを割り当て、エッジおよびノードの寄与により、[0,1] および [0,1]² 上の確率測度に変換する。
• LD収束を、有界測度上の弱収束位相におけるこれらの確率測度の法則収束として定義する。
• 大偏差原理（LDP）を確率測度の系列に適用し、LD収束を形式化する。
• LDPのレート関数をグラフ列の制限対象として用い、同型写像密度の漸近的挙動を特徴付ける。
• 制限対象の構造を分析し、反例を用いて非含まずの関係を示すことで、収束タイプ間の含まず関係を確立する。
• 統計力学およびスピンガラス理論の道具を活用し、G(n,c/n) や G(n,Δ) のような自然なランダムグラフモデルの収束を分析する。

実験結果

リサーチクエスチョン

• RQ1 スパースグラフに対して、左収束、右収束、分割収束といった既存の概念を統合する統一された収束フレームワークを開発できるか？
• RQ2 LD収束は、スパースグラフに対して、従来定義されたすべての収束概念を含むか？
• RQ3 分割収束と他の収束タイプとの関係は何か。具体的には、分割収束が左収束または右収束を含むか？
• RQ4 LD収束における制限対象は、グラフ上の統計力学モデルの自由エネルギーとして解釈可能か？
• RQ5 Erdős–Rényi ランダムグラフ G(n,c/n) やランダム正則グラフ G(n,Δ) のような自然なランダムグラフ列は、ほとんど確実にLD収束するか？

主な発見

• LD収束は、i.i.d. ノード重みによって誘導される確率測度に大偏差原理を適用することで定義され、スパースグラフに対する新たな強固な収束基準を提供する。
• LD収束は右収束、左収束、分割収束を含み、それらが別個の概念であったのを統一する階層を確立する。
• 大偏差レート関数が制限対象として機能し、グラフ列上のモデルの制限自由エネルギーを表現するのに用いることができる。
• 本稿では、分割収束が右収束や左収束を含まないことを示す反例を構成し、以前未解決であった問題を解消する。
• また、右収束が分割収束を含まないことも示しており、収束概念の階層が厳密であることを示している。
• 著者らは、Erdős–Rényi ランダムグラフ G(n,c/n) およびランダム正則グラフ G(n,Δ) がほとんど確実にLD収束するものと予想しており、理論を根本的なランダムグラフモデルと結びつける。