[論文レビュー] Pointwise upper estimates for transition probability of continuous time random walks on graphs

Xinxing Chen|arXiv (Cornell University)|Oct 10, 2013

Stochastic processes and statistical mechanics参考文献 4被引用数 4

ひとこと要約

本稿は、2つの頂点における対角成分の推定と適応された距離関数を用いて、重み付きグラフ上の連続時間のランダムウォークの遷移確率に対して点ごとのガウス上界を確立する。主な貢献は、保有時間の下界を必要としない洗練された上界を導出することで、従来の結果を改善し、熱核ではなく遷移確率に焦点を当てたものである。

ABSTRACT

Let $X$ be a continuous time random walk on a weighted graph. Given the on-diagonal upper bounds of transition probabilities at two vertices $x_1$ and $x_2$, we use an adapted metric initiated by Davies, and obtain Gaussian upper estimates for the off-diagonal transition probability $P_{x_1}(X_t=x_2)$.

研究の動機と目的

• 2つの頂点における対角成分の推定のみを用いて、グラフ上における連続時間ランダムウォークの非対角成分の遷移確率の上界を導出すること。
• ガウス上界結果において、保有時間 ν_x の下界を必要としないようにすることを改善すること。
• Daviesが導入した適応された距離関数を用いて、グラフ構造と確率的挙動を結びつける上界を確立すること。
• Grigor’yan や Folz の結果を一般化し、熱核の推定ではなく遷移確率の推定を用いること。
• 無限クラスタにおける透過度の下でのランダムコントダクタンスを有するランダムウォークに適用可能なフレームワークを提供すること。

提案手法

• ∑_y d_ν(x,y)^2 μ_xy / ν_x ≤ 1 および隣接する x,y に対して d_ν(x,y) ≤ 1 を満たす適応された距離関数 d_ν を導入する。
• P_x_i(X_t = x_i) を上から抑える関数 f_i(t) の (A,γ)-正則性を用いて、対角成分の確率の増加を制御する。
• 正の下解に対する積分的最大原理を適用し、遷移確率の初期推定を導出する。
• 二分木的分解と指数的重み技法を用いて、遷移確率の尾部挙動を制御する。
• コーシー＝シュバルツおよびアニュラス上での反復推定を用いて、最終的なガウス型上界を導出する。
• 指数部の時間スケーリングを最適化するために、パrameter α = min{(2γ)^{-1}, (64δ)^{-1}} を用いたスケーリング変換を実装する。

実験結果

リサーチクエスチョン

• RQ1 非対角成分の遷移確率が、適応された距離関数 d_ν に関してガウス関数で抑えられる条件は何か？
• RQ2 保有時間 ν_x の下界を必要とせず、対角成分の推定のみからガウス上界を導出できるか？
• RQ3 f_i(t) における (A,γ)-正則性条件が、遷移確率の減衰率に与える影響は何か？
• RQ4 適応された距離関数 d_ν は、グラフの幾何構造と確率的遷移挙動をどのように結びつけるか？
• RQ5 結果は非一様またはランダムなコントダクタンス環境へと拡張可能か？

主な発見

• 本稿は、t ≥ d_ν(x_1,x_2) のとき、P_{x_1}(X_t = x_2) に対して C_1 A^β (ν_{x_2}/ν_{x_1})^{1/2} / √(f_1(αt)f_2(αt)) × exp(−θ d_ν(x_1,x_2)^2 / t) の形のガウス上界を確立する。
• 定数 θ は A, γ, δ に依存しない形で 10^{-7} 以上に下から抑えられる。
• 指数部の β = ⌈log γ / log 2⌉ は、正則性条件の増加率を反映しており、二分木的分解に起因する。
• f_i が指数的または多項式的増加を示す場合、定理5.1および5.2で示されるように、時間区間のより良い下界が得られる。
• 結果は直接的にランダム環境（例えば、超臨界的透過度における無限クラスタ）におけるランダムウォークに適用可能であり、P_x(X_t = y) ≤ c t^{-d/2} exp(−c' d(x,y)^2 / t) を得る。
• 本手法は熱核推定に依存せず、代わりに遷移確率の推定を用いるため、(μ,ν) → (cμ,cν) のスケーリングに対して不変であり、より頑健である。