[論文レビュー] Large Deviations of Non-Stochastic Interacting Particles on Sparse Random Graphs

James MacLaurin|arXiv (Cornell University)|Oct 27, 2020

Complex Network Analysis Techniques参考文献 37被引用数 4

ひとこと要約

本稿は、ランダムグラフの構造と初期条件から生じるランダム性のみを有するスパースなランダムグラフ上での非確率的相互作用粒子系に対して、大偏差原理を確立する。ネストされた経験的測度を導入し、連続的ダイナミクス写像によるプッシュフォワードの議論を用いることで、系の経験的測度の大偏差レート関数が、初期条件のレート関数から導かれることが証明される。これは平均次数が任意にゆっくり増加する場合でさえ成り立つ。

ABSTRACT

This paper concerns the large deviations of a system of interacting particles on a random graph. There is no stochasticity, and the only sources of disorder are the random graph connections, and the initial condition. The average number of afferent edges on any particular vertex must diverge to infinity as $N o \infty$, but can do so at an arbitrarily slow rate. These results are thus accurate for both sparse and dense random graphs. A particular application to sparse Erdos-Renyi graphs is provided. The theorem is proved by pushing forward a Large Deviation Principle for a `nested empirical measure' generated by the initial conditions to the dynamics. The nested empirical measure can be thought of as the density of the density of edge connections: the associated weak topology is more coarse than the topology generated by the graph cut norm, and thus there is a broader range of application.

研究の動機と目的

• 時間に依存する確率的要素のない相互作用粒子系のための大偏差枠組みを構築すること。不確実性はランダムグラフ構造と初期条件に起因する。
• 平均次数が任意にゆっくり増加するようなスパースなランダムグラフへの大偏差理論の拡張。
• 標準的なグラフンやカットノルム手法が正則性の欠如のため機能しない、非定常的または不均質なネットワークトポロジーの課題に対処すること。
• 連続的プッシュフォワード写像を通じて、初期条件の大偏差とそれによるダイナミクスとの間の厳密な関係を確立すること。
• トポロジカルな不確実性のみが、神経アバランチや一時的状態などの複雑な集団的挙動を生成できることを理論的に裏付ける基盤を提供すること。

提案手法

• 各ノードへの入力接続の条件付き分布を符号化する「ネストされた経験的測度」を導入し、標準的なグラフカットノルムよりも細かいトポロジーを可能にする。
• 初期条件の経験的測度を粒子系の経路ダイナミクス測度にプッシュフォワードする写像 Ψ を定義する。
• 連続パスの確率測度空間上の弱位相において、プッシュフォワード写像 Ψ の連続性を証明する。
• 逆縮約原理とバーダハンの縮約原理を用いて、初期条件空間の大偏差原理をダイナミカルシステム空間に転送する。
• 近似列の収束を保証するため、ネストされた経験的測度が誘導する位相において、指数的緊密性とコンパクト性を確立する。
• 弱収束技術を活用し、一様連続性の欠如下でも、近似測度のコーシー列を構築することで、プッシュフォワード写像の極限が定義可能であることを示す。

実験結果

リサーチクエスチョン

• RQ1 時間依存のノイズが存在しないスパースなランダムグラフ上での非確率的相互作用粒子系に対して、大偏差原理を確立できるか？
• RQ2 平均次数がゆっくり発散する場合、系の大偏差挙動は初期条件とグラフトポロジーにどのように依存するか？
• RQ3 スパースグラフ設定において、ダイナミクス写像の連続性を保証するために必要な経験的測度空間上のトポロジー構造は何か？
• RQ4 ノイズを除き、トポロジー的不確実性のみが、粒子系においてまれだが顕著な集団的挙動（例：一時的状態、アバランチ）を生成できる範囲はどの程度か？
• RQ5 細分化された経験的測度位相のもとで、ノードの接続数が O(1) のような不均質な接続性を持つ系に対しても、プッシュフォワード法を適応可能か？

主な発見

• 粒子系の経験的測度の大偏差レート関数は、連続的ダイナミクス写像 Ψ を介して初期条件の経験的測度のレート関数のプッシュフォワードである。
• 本手法は、平均ノードインデグリ数が N と共に発散する限り、スパースおよび密度の高いランダムグラフ（例：Erdos-Renyi グラフ）に適用可能である。
• ネストされた経験的測度の使用により、グラフカットノルムよりも粗い位相が可能となり、スパースグラフにおける正則性の欠如にもかかわらず、より広範な適用性が達成される。
• ダイナミクス写像 Ψ はパス空間上の弱位相において連続であり、これはバーダハンの縮約原理を適用する上で不可欠である。
• 証明により、グラフ構造が極めて不均質であっても、プッシュフォワード写像の極限が存在し、一意的であることが示された。
• 本フレームワークは、内在的ノイズに依存せず、トポロジー的不確実性のみによって駆動される系において、一時的神経状態やアバランチなどのレアイベントを効果的に捉えることができた。