[論文レビュー] On sampling diluted Spin-Glasses with unbounded interactions

Charilaos Efthymiou, Kostas Zampetakis|arXiv (Cornell University)|Mar 23, 2026

Markov Chains and Monte Carlo Methods被引用数 0

ひとこと要約

論文は、G(n,d/n)上の2重スピン・スピンガラスからガブラー動力学を用いてサンプリングすることを分析し、βがβ_c(d)までの高速混合境界をO(n^{1+25/√log d})とすることを証明し、Viana-Bray結合へβ ≤ 0.25/√dまで拡張する。β_c(d)は d E[tanh^2(gamma β_c)]=1/4 によって定義される。

ABSTRACT

Spin-glasses are natural Gibbs distributions that have been studied in Theoretical CS for many decades. Recently, they have been gaining attention from the community as they emerge naturally in neural computation and learning, network inference, optimisation and other areas. We study the problem of efficiently sampling from spin-glass distributions when the underlying graph is a typical instance of $G(n,d/n)$, i.e., the random graph on $n$ vertices such that each edge appears independently with probability $d/n$, and $d=Θ(1)$. Our focus is on the 2-spin model at inverse temperature $β$. We consider this distribution to be one of the most interesting case of spin-glasses, and one of the most challenging to analyse, since its Gaussian couplings give rise to unbounded interaction. We employ the well-known Glauber dynamics to sample from the aforementioned distribution. We show that for the typical instances of the 2-spin model on $G(n,d/n)$, the mixing time of Glauber dynamics is $O\left(n^{1+\frac{25}{\sqrt{\log d}}}\right)$, for any $β<\frac{1}{4\sqrt{d}}$. Our results can also be adapted for the case of spin-glass distributions with bounded interactions. In that respect, we obtain rapid mixing of Glauber dynamics for the Viana-Bray model on $G(n,d/n)$ when $β<\frac{1}{4\sqrt{d}}$. This improves on the current best bound which is $β<\frac{0.18}{\sqrt{d}}$. We utilise stochastic localisation, and in particular, we build and improve on the scheme introduced in [Liu, Mohanty, Rajaraman and Wu: FOCS 2024]. This is the first time that stochastic localisation is used for diluted spin-glasses, where both degrees and interactions can be unbounded.

研究の動機と目的

• G(n,d/n)上の2重スピン・スピンガラスからのGlauber動力学によるサンプリングの効率性を研究する。
• 典型的なインスタンスに対して高速混合を生じる温度範囲（β）を特定する。
• Viana-Brayや境界付き相互作用型など関連モデルへの拡張を図る。
• 新しいブロック分割と行列ノルムを用いた確率的局所化を開発・適用し、無限大の相互作用を扱う。

提案手法

• Glauber動力学を用いてG(n,d/n)上の2重スピンモデルのギブス分布からサンプルを得る。
• β_cを d E[(tanh(γβ))^2]=1/4 によって定義し、β ≤ β_c(d) に対して混合境界を確立する。
• 局所化経路に沿って改変された対数ソボレフ定数(C_mLSI)を境界付けするための確率的局所化を用いる。
• 無限大の相互作用に対して共分散に関連する量を境界づけるため、epsilonブロック頂点分割と特別な行列ノルムを導入する。
• エントロピー減衰を制御するため、悪い部分が単純な部分グラフ（木構造で追加エッジは最大1本）を生成するブロックベースの解析を活用する。
• 得られる混合時間の境界が高確率で n^{1+25/√(log d)} になることを示す。

実験結果

リサーチクエスチョン

• RQ1 ガブラー動力学がG(n,d/n)上の Gaussian 結合を持つ2重スピンモデルで快速混合を達成するβ範囲はどこか？
• RQ2 確率的局所化を無限大の結合・次数に対応させるにはどのように適応すればよいか？
• RQ3 エントロピー減衰と共分散を局所化経路に沿ってどのように効果的に制御する最適な分割法と行列ノルムは何か？
• RQ4 結果はViana-Brayやサブガウス結合分布へ拡張できるか、境界が改善されるか？

主な発見

• β ≤ β_c(d) に対して、典型的なG(n,d/n)インスタンスでガブラー動力学は O(n^{1+25/√log d}) で混合する。
• β_c(d)の境界は Gaussian 結合と次数 d に関連する具体的閾値を提供する。
• Viana-Brayモデルにもβ ≤ 0.25/√d で高速混合をもたらし、以前の界値（0.18/√d）を改善する。
• 結果はGaussianのみならずサブガウス結合にも拡張できる。
• 無限大の相互作用にもかかわらずエントロピー減衰を有効に境界づける新しいepsilon-block分割と特注の行列ノルム技法を提供する。
• 確率的局所化は、希薄で無限大の相互作用設定においてこれらの界を可能にする中心的な手法である。