[論文レビュー] Graph bootstrap percolation

József Balogh, Béla Bollobás+1 more|arXiv (Cornell University)|Jul 7, 2011

Stochastic processes and statistical mechanics被引用数 4

ひとこと要約

本稿は完全グラフ $K_n$ 上でのランダムグラフブートストラップ確率過程を研究し、$K_r$-ブートストラップモデルに注目する。ここで、既に感染しているすべての辺を含む $K_r$ のコピーを完成させると、辺が感染する。$r \geq 4$ に対して、すべての $p_c(n, K_r)$ を多対数因子の範囲で特定し、$r=4$ の場合には正確な閾値を示し、$p_c(n, K_4) = (1+o(1))\alpha / \sqrt{n\log n}$ において鋭い閾値が成立することを示した。ここで $\alpha \in [1/4, 24]$ である。結果は、漸近的境界を明確にした、極値的および確率的グラフ理論をブートストラップ確率過程へと拡張するものである。

ABSTRACT

Graph bootstrap percolation is a deterministic cellular automaton which was introduced by Bollobás in 1968, and is defined as follows. Given a graph $H$, and a set $G \subset E(K_n)$ of initially `infected' edges, we infect, at each time step, a new edge $e$ if there is a copy of $H$ in $K_n$ such that $e$ is the only not-yet infected edge of $H$. We say that $G$ percolates in the $H$-bootstrap process if eventually every edge of $K_n$ is infected. The extremal questions for this model, when $H$ is the complete graph $K_r$, were solved (independently) by Alon, Kalai and Frankl almost thirty years ago. In this paper we study the random questions, and determine the critical probability $p_c(n,K_r)$ for the $K_r$-process up to a poly-logarithmic factor. In the case $r = 4$ we prove a stronger result, and determine the threshold for $p_c(n,K_4)$.

研究の動機と目的

• 初期グラフが $G_{n,p}$ であるとき、$H = K_r$ の $H$-ブートストラップ確率過程における臨界確率 $p_c(n, H)$ を特定すること。
• $K_r$-ブートストラップ過程における確率過程の鋭い閾値を確立すること、特に $r=4$ の場合に注目すること。
• $r \geq 4$ の場合に、$p_c(n, K_r)$ の漸近的挙動を多対数因子の範囲で特徴づけること。
• 確率過程の閾値の鋭さを調査し、イベント $\langle G_{n,p} \rangle_H = K_n$ が鋭い閾値を示すグラフ $H$ を分類すること。

提案手法

• グリッド上の $r$-近傍ブートストラップ確率過程から適応された「臨界ドロプレット」の議論を、$K_r$-ブートストラップ過程に適用する。
• 重複する $K_r$-コピーに1つの辺が欠けた形で、感染したクリークの成長を模倣するために、$\log n$ 個の独立した $G_{n,p}$ グラフの和集合を用いる。
• 2つの頂点を共有する重なり合う $2r$-クリーク（またはそれ以上）が、$\langle K_r - e \rangle_{K_r} = K_{2r}$ であるという性質を利用して、それらを統合するマージングプロセスを採用する。
• 極値的グラフ理論を用いて、確率過程が発生するための辺の最小数の下界を導出する：$e(G) \geq \left(\frac{{r \choose 2} + 1}{r}\right)n - 1$。
• マルコフの不等式とチェビシェフの不等式を用いて、クリークの成長を引き起こすための十分な数の $K_r$-コピー（片端が伸びた辺を含む）が存在する確率を評価する。
• 帰納法と閉包プロセスの構造的解析を用いて、クリークサイズが各ステップで高々 $e(H)$ 倍にしか増加しないことを示し、確率過程の時間の制御を可能にする。

実験結果

リサーチクエスチョン

• RQ1 $K_r$-ブートストラップ確率過程における $K_n$ 上での臨界確率 $p_c(n, K_r)$ の漸近的挙動は何か？
• RQ2 $K_4$-ブートストラップ確率過程は鋭い閾値を示すか？ もし示すならば、その閾値における定数係数を特定できるか？
• RQ3 どのグラフ $H$ に対して、イベント $\langle G_{n,p} \rangle_H = K_n$ が鋭い閾値を示すか？
• RQ4 $p_c(n, K_r)$ を多対数因子の範囲を超えてより厳密に境界づけられるか？
• RQ5 $H$ が完全二部グラフ $K_{s,t}$ またはランダムグラフ $G_{k,1/2}$ の場合、$H$-ブートストラップ確率過程の閾値挙動は何か？

主な発見

• $r \geq 4$ の場合、臨界確率 $p_c(n, K_r)$ は多対数因子の範囲で特定され、$p_c(n, K_r) \asymp \left(\frac{\log n}{{n \choose 2}}\right)^{1/\binom{r}{2}}$ を満たす。
• $r=4$ の場合、閾値は鋭く、$p_c(n, K_4) = (1+o(1))\alpha / \sqrt{n\log n}$ を満たす。ここで $\alpha \in [1/4, 24]$ である。
• $K_r$-確率過程が発生するための辺の最小数は、極値的閉包性質から $\left(\frac{{r \choose 2} + 1}{r}\right)n - 1$ 以上であることが示された。
• $\log n$ 個の独立した $G_{n,p}$ グラフの和集合は、$n^r p^{{r \choose 2} + 1} \gg \log n$ のとき、高確率で確率過程が発生する。これにより、反復的なクリーク成長が可能になる。
• $H = K_4$ の場合には鋭い閾値を示すが、$H = K_r + e$ の場合には粗い閾値を示すため、閾値挙動は構造に敏感であることが示された。
• 1つの辺が欠けた $K_r$-コピーの閉包は $K_{2r}$ を生成する。これにより、重なり合うクリークの統合が可能になり、グローバルな確率過程が促進される。