[論文レビュー] Graph Limit for Interacting Particle Systems on Weighted Random Graphs

Nathalie Ayi, Nastassia Pouradier Duteil|arXiv (Cornell University)|Jul 24, 2023

Complex Network Analysis Techniques被引用数 5

ひとこと要約

本稿では、重み付きランダムグラフ上の相互作用粒子系の巨大集団極限を、重み付きネットワークの一般化されたグラフンフレームワークを導入することで確立する。N→∞のとき、系は確率的に、相互作用カーネルが重み付きランダムグラフ分布の1次のモーメントで与えられる決定論的グラフ極限方程式に収束することを証明し、古典的なグラフンに基づく極限を重み付きで確率的なネットワークへと拡張する。

ABSTRACT

In this article, we study the large-population limit of interacting particle systems posed on weighted random graphs. In that aim, we introduce a general framework for the construction of weighted random graphs, generalizing the concept of graphons. We prove that as the number of particles tends to infinity, the finite-dimensional particle system converges in probability to the solution of a deterministic graph-limit equation, in which the graphon prescribing the interaction is given by the first moment of the weighted random graph law. We also study interacting particle systems posed on switching weighted random graphs, which are obtained by resetting the weighted random graph at regular time intervals. We show that these systems converge to the same graph-limit equation, in which the interaction is prescribed by a constant-in-time graphon.

研究の動機と目的

• 非二値的で連続的な辺重みを許容するように、古典的なグラフンを一般化する重み付きランダムグラフの構築のための一般的なフレームワークを開発すること。
• このような重み付きランダムグラフ上で進化する相互作用粒子系のNが大きいときの極限を分析すること。ここで、相互作用はランダムな辺重みに依存する。
• 基礎となるグラフが確率的であるにもかかわらず、N→∞のとき、系が確率的に決定論的グラフ極限方程式に収束することを示すこと。
• ネットワークが定期的にリセットされるスイッチング重み付きランダムグラフへの解析を拡張し、同じ決定論的極限に収束することを証明すること。
• 粒子系が連続的なグラフンに基づく非線形熱型方程式に収束することを確立し、グラフンは辺重み分布の1次のモーメントから導出される。

提案手法

• ノードiとjの間の辺重みの分布を定義する確率核の族 $ q(x_i; x_j; dw) $ を用いた、重み付きランダムグラフの一般化された構築法を導入し、古典的グラフンにおける二値的辺確率を一般化する。
• 粒子系を確率的ODE $ \frac{d}{dt}u_i^N(t) = \frac{1}{N}\sum_{j=1}^N \xi_{ij} D(u_j^N(t) - u_i^N(t)) $ でモデル化し、ここで $ \xi_{ij} $ は核 $ q $ から独立同分布に抽出された辺重みである。
• グラフ極限方程式 $ \partial_t u(t,x) = \int_I W(x,y) D(u(t,y) - u(t,x)) \, dy $ を導出する。ここで $ W(x,y) = \mathbb{E}[\xi_{ij} \mid x_i = x, x_j = y] $ は、辺重み分布の1次のモーメントである。
• 集中不等式（Bienaymé-Chebyshev）とモーメントのバインドを用いて、相互作用の経験的平均のフラクチュエーションを制御し、確率的収束を示す。
• 相互作用項の分散を、4次のモーメントを分解し、辺重みのモーメント条件と一様可積分性を用いてバインドすることで分析する。
• グラフを定期的にリセットするスイッチング重み付きランダムグラフを検討し、非スイッチングの場合と同一の極限に収束することを証明する。この場合、グラフンは時不変となる。

実験結果

リサーチクエスチョン

• RQ1 相互作用ネットワークが一般の辺重み分布をもつ重み付きランダムグラフであるとき、相互作用粒子系の巨大集団極限はどのように振る舞うか？
• RQ2 グラフンフレームワークは重み付きランダムグラフへと拡張可能か？また、辺重み分布の1次のモーメントは極限においてどのような役割を果たすか？
• RQ3 基礎となる重み付きランダムグラフが定期的にリセットされる（スイッチンググラフ）場合、系は同じ決定論的グラフ極限方程式に収束するか？
• RQ4 粒子系がグラフ極限方程式に確率的に収束するための辺重みに必要なモーメント条件は何か？
• RQ5 N→∞のとき、相互作用項のフラクチュエーションはどのように振る舞い、確率的集中技術を用いて制御可能か？

主な発見

• 基礎となるグラフが確率的で重み付きであるにもかかわらず、粒子系は $ N \to \infty $ のとき確率的に、決定論的グラフ極限方程式の解に収束する。
• 極限における相互作用カーネルは、辺重み分布の1次のモーメント $ W(x,y) = \mathbb{E}[\xi_{ij} \mid x_i = x, x_j = y] $ で与えられ、古典的グラフン極限を重み付きネットワークへ一般化する。
• 定期的にリセットされるスイッチング重み付きランダムグラフでは、グラフがリセットされるが、系は非スイッチングの場合と同じ決定論的グラフ極限方程式に収束する。このときグラフンは時不変となる。
• 相互作用項の分散はNに関して一様に有界であり、$ \mathbb{V}[(\tilde{Y}_i^N)^2] \leq 3K^4M^4 $ が十分大きなNに対して成り立ち、フラクチュエーション項のタイトネスを保証する。
• フラクチュエーション項の4次のモーメントが $ \mathbb{E}[(\tilde{Y}_i^N)^4] = 3(\sigma_i^N)^4 + O(N^{-1}) $ であることが示され、適切に減少することで確率的収束が可能になる。
• モーメントバインドとBienaymé-Chebyshev不等式を用いて収束を確立し、$ N \to \infty $ のとき、相互作用の経験的平均がその平均のまわりに集中することを示す。