[論文レビュー] Dynamic redundancy and mortality in stochastic search

Samantha Linn, Aanjaneya Kumar|arXiv (Cornell University)|Jan 11, 2026

Diffusion and Search Dynamics被引用数 0

ひとこと要約

この論文は、動的冗長性と死亡（DRM）を用いた募集と死亡が継続する確率的探索の一般フレームワークを開発し、厳密な初到達時間統計を導出し、DRMを確率的リセットと比較する。詳しいBrownian1Dケースを含む。

ABSTRACT

Search processes are a fundamental part of natural and artificial systems. In such settings, the number of searchers is rarely constant: new agents may be recruited while others can abandon the search. Despite the ubiquity of these dynamics, their combined influence on search efficiency remains unexplored. Here we present a general framework for stochastic search in which independent agents progressively join and leave the process, a mechanism we term dynamic redundancy and mortality (DRM). Under minimal assumptions on the underlying search dynamics, this framework yields exact first-passage time statistics. It further reveals surprising connections to stochastic resetting, including a regime in which the resetting mean first-passage time emerges as a universal lower bound for DRM, as well as regimes in which DRM search is faster. We illustrate our results through a detailed analysis of one-dimensional Brownian DRM search. Altogether, this work provides a rigorous foundation for studying first-passage processes with a fluctuating number of searchers, with direct relevance across physical, biological, and algorithmic systems.

研究の動機と目的

• 検索者集団が募集と死亡により変動する確率的探索シナリオを動機づける。
• DRMフレームワークを導入し、最小限の仮定の下で厳密な初到達時間統計を確立する。
• DMR生存確率を単一探索者統計の形で表現し、普遍的なMFPT境界を導出する。
• DRMと確率的リセットを関連づけ、DRMがリセットより優れるときの領域を特定する。
• 理論を示すための1次元でのBrownian DRM探索の詳細分析を提供する。

提案手法

• DRM生存確率S_{λ,μ}(t)を定義し、S_{λ,μ}(t) = S_{0,μ}(t) exp{−λ ∫_0^t [1−S_{0,μ}(t′)] dt′}で単一死亡率S_{0,μ}(t)と関係づける。
• S_{0,μ}(t)を単一探索者のFPT密度P(τ=t)を用いて S_{0,μ}(t) = 1 − ∫_0^t e^{−μ t′} P(τ=t′) dt′と表す。
• S_{λ,μ}(t)から平均初到達時間E[T_{λ,μ}]を得て E[T_{λ,μ}] = ∫_0^∞ S_{λ,μ}(t) dt。
• μをパラメータとするp_{μ} = ∫_0^∞ e^{−μ t} P(τ=t) dtとして、E[T_{λ,μ}]に関する普遍的境界を導出する。
• 確率的リセットとの接続を示す；特に均衡DRM(λ=μ)はリセットMFPTを普遍的な下限として与える。
• 1DのBrownian運動に特化して、明示的な形と最適 turnover 効果を例示する。

実験結果

リサーチクエスチョン

• RQ1 検索者が動的に参加・離脱するDRMにおける生存確率S_{λ,μ}(t)とMFPT E[T_{λ,μ}]はどうなるか？
• RQ2 DRM MFPTを制約する普遍的境界は何で、単一探索者の死亡率μと募集率λにどう依存するか？
• RQ3 DRMは確率的リセットとどう比較されるか。特にλ=μの均衡ケースと高 turnover領域でどうなるか？
• RQ4 1次元のBrownian運動において、DRMに対して具体的な境界と最適パラメータ領域は何か？

主な発見

• DRMは単一死亡者の統計から生存確率を厳密に表現できる：S_{λ,μ}(t) = S_{0,μ}(t) exp{−λ ∫_0^t (1−S_{0,μ}(t′)) dt′}。
• DRM下のMFPTはすべての正のλとμで有限となり、普遍的境界を満たす： (1−p_{μ})/(λ p_{μ}) ≤ E[T_{λ,μ}] ≤ (1−p_{μ})/(λ p_{μ}) − ∂_{μ} log p_{μ}、ただし p_{μ} = ∫_0^∞ e^{−μ t} P(τ=t) dt。
• 均衡ケース(λ = μ)では、確率的リセットはDRM MFPTの普遍的下限を提供する。
• 募集が死亡を上回る十分な turnover の場合にDRMはリセットより優れることがあり、1D Brownianケースの具体的結果はDRM MFPTがリセットMFPTより小さくなる領域を示す。
• Brownian1Dでは、x0, D, √μ を含む表現による明示的な境界と最適 turnover率が存在し、DRMとリセットの領域を区別する位相図が得られる。
• この枠組は大域的な尺度ではDRMをリセットへ接続する一方、FPT統計の軌道レベルでの相違を明らかにする。