[論文レビュー] Improved Mixing Condition on the Grid for Counting and Sampling Independent Sets

Ricardo Restrepo, Jinwoo Shin+3 more|arXiv (Cornell University)|May 4, 2011

Markov Chains and Monte Carlo Methods参考文献 28被引用数 10

ひとこと要約

この論文は、2次元整数格子における硬核模型の独自性閾値を、Weitzの自己回避道の木のアプローチを精緻化することで $π^2$ まで向上させ、すべての $λ < 2.3882$ に対して強い空間混合性を確立した。これは、分配関数の効率的近似アルゴリズムおよびGlauberダイナミクスの急速混合性を意味する。この手法は、最大次数を越えるグラフ構造を活用する新しい技術的基準を用いる。

ABSTRACT

We study the hard-core model defined on independent sets, where each independent set I in a graph G is weighted proportionally to $λ^{|I|}$, for a positive real parameter $λ$. For large $λ$, computing the partition function (namely, the normalizing constant which makes the weighting a probability distribution on a finite graph) on graphs of maximum degree $D\ge 3$, is a well known computationally challenging problem. More concretely, let $λ_c(T_D)$ denote the critical value for the so-called uniqueness threshold of the hard-core model on the infinite D-regular tree; recent breakthrough results of Dror Weitz (2006) and Allan Sly (2010) have identified $λ_c(T_D)$ as a threshold where the hardness of estimating the above partition function undergoes a computational transition. We focus on the well-studied particular case of the square lattice $\integers^2$, and provide a new lower bound for the uniqueness threshold, in particular taking it well above $λ_c(T_4)$. Our technique refines and builds on the tree of self-avoiding walks approach of Weitz, resulting in a new technical sufficient criterion (of wider applicability) for establishing strong spatial mixing (and hence uniqueness) for the hard-core model. Our new criterion achieves better bounds on strong spatial mixing when the graph has extra structure, improving upon what can be achieved by just using the maximum degree. Applying our technique to $\integers^2$ we prove that strong spatial mixing holds for all $λ&lt;2.3882$, improving upon the work of Weitz that held for $λ&lt;27/16=1.6875$. Our results imply a fully-polynomial deterministic approximation algorithm for estimating the partition function, as well as rapid mixing of the associated Glauber dynamics to sample from the hard-core distribution.

研究の動機と目的

• 2次元整数格子における硬核模型の独自性閾値 $λ_c(\mathbb{Z}^2)$ の既知の下界を向上させること。
• 最大次数を越えるグラフ構造を活用する新しい強い空間混合性の十分条件を確立すること。
• Weitzの自己回避道の木の手法を拡張し、硬核模型の計算的相転移におけるより鋭い境界を得ること。
• $\mathbb{Z}^2$ における分配関数の完全多項式時間決定的近似スキーム（FPAS）およびGlauberダイナミクスの急速混合性を提供すること。

提案手法

• Weitzの自己回避道の木の手法を、強い空間混合性のための新しい技術的基準を導入することで精緻化する。
• 2次元格子における硬核模型における影響伝播をモデル化するために、分岐行列表現を用いる。
• 影響伝播を行列不等式条件に変換するために、統計量 $\varphi$ を適用する。
• 不等式 $\tanh(\beta^*)\mathbf{M}\mathbf{c} < \mathbf{c}$ を介して、強い空間混合性の十分条件を導出する。この不等式は、イジング模型の枠組みから適応されたものである。
• 並列GPU計算を用いて、2次元格子における新しい基準を高精度で評価する。
• すべての $\lambda < 2.3882$ に対して強い空間混合性が成り立つことを示すことにより、改善された境界を検証する。

実験結果

リサーチクエスチョン

• RQ1 硬核模型における独自性閾値 $\lambda_c(\mathbb{Z}^2)$ の最高の既知の下界は何か？
• RQ2 自己回避道の木の手法は、最大次数を越える2次元グリッドの構造的性質を活用するために精緻化可能か？
• RQ3 強い空間混合性のための新しい基準は、従来の手法よりも $\lambda_c(\mathbb{Z}^2)$ の境界を改善するか？
• RQ4 どの $\lambda$ 値に対して、$\mathbb{Z}^2$ におけるGlauberダイナミクスは急速に混合するか？
• RQ5 改善された混合条件は、分配関数の完全多項式時間決定的近似スキームをもたらすか？

主な発見

• 2次元整数格子における硬核模型に対して、すべての $\lambda < 2.3882$ で強い空間混合性が確立され、Weitzの $\lambda < 27/16 = 1.6875$ の境界を著しく上回った。
• 強い空間混合性のための新しい基準は、追加の構造を持つグラフに適用可能であり、次数に基づく手法よりも鋭い境界をもたらす。
• 改善された混合閾値は、$\mathbb{Z}^2$ における分配関数の完全多項式時間決定的近似スキーム（FPAS）の存在を示唆する。
• 2次元整数格子における硬核模型のGlauberダイナミクスは、すべての $\lambda < 2.3882$ で急速に混合する。
• この手法は一般化可能であり、$\mathbb{Z}^d$ におけるイジング模型に対しても強い空間混合性の境界を導出し、$d=2$ では $\beta^* \approx 0.39219$ を得た。これはWeitzの $\beta < 0.34657$ の境界を上回る。
• これらの結果は、予想される臨界値 $\lambda_c(\mathbb{Z}^2) \approx 3.796$ と厳密な下界の間のギャップを埋める上で重要な一歩を示している。