[論文レビュー] Reciprocal maximum likelihood degrees of diagonal linear concentration models

Christopher Eur, Tara Fife+2 more|arXiv (Cornell University)|Nov 28, 2020

Stochastic processes and statistical mechanics参考文献 13被引用数 4

ひとこと要約

この論文は、関連するマトロイドの特性多項式を用いて、対角線型濃度モデルの逆数最尤次数（rmld）の閉形式の公式を確立する。rmld(ℒ) = (−2)^r ⋅ χ_M(1/2) が成り立つことを証明し、Sturmfels, Timme, Zwiernik による一般対角モデルにおける rmld の多項式性に関する予想を解決する。

ABSTRACT

We show that the reciprocal maximal likelihood degree (rmld) of a diagonal linear concentration model $\mathcal L \subseteq \mathbb{C}^n$ of dimension $r$ is equal to $(-2)^rχ_M( extstyle\frac{1}{2})$, where $χ_M$ is the characteristic polynomial of the matroid $M$ associated to $\mathcal L$. In particular, this establishes the polynomiality of the rmld for general diagonal linear concentration models, positively answering a question of Sturmfels, Timme, and Zwiernik.

研究の動機と目的

• 一般対角線型濃度モデルにおける逆数最尤次数（rmld）の多項式性に関する、Sturmfels, Timme, Zwiernik による予想を解決すること。
• rmld をモデルのマトロイド的不変量と結びつける明確な代数的公式を確立すること。
• d次冪を含む高階系への最尤次数の公式の一般化を図り、d=1 の既知の結果を拡張すること。
• 線形濃度モデルの逆数多様体上での対数尤度関数の臨界点に内在する幾何学的・組合せ的構造を明確にすること。

提案手法

• 一般の sᵢ に対して、(ℂ*)^n 内の連立方程式系を用いた rmld の別表現を導出する：(x₁⁻¹,…,xₙ⁻¹) ∈ ℒ かつ (s₁x₁²−x₁,…,sₙxₙ²−xₙ) ∈ ℒ⊥。
• d次冪系の解の個数を表す一般化された数え上げ関数 𝒟(ℒ,d) を導入し、𝒟(ℒ,d) = (−d)^r ⋅ χ_M(1/d) を示す。
• マトロイド M のフラット格子におけるムービウス関数および削除・縮約関係を用いて、包含除算法と双対性を介して公式を導出する。
• Tutte 多項式の恒等式 d^r ⋅ T_M(1−1/d, 0) = (−d)^r ⋅ χ_M(1/d) を用いて、既知のマトロイド不変量と接続する。
• Poincaré双対性およびコhomological 手法を用い、解の個数を超平面配置の補集合の Poincaré 多項式に関連付ける。
• 一様マトロイドにおける明示的計算を通じて公式を検証し、一般ケースにおける既知の rmld の多項式表現を回復する。

実験結果

リサーチクエスチョン

• RQ1 一般対角線型濃度モデルの逆数最尤次数は、予想通り n の r−1 次多項式であるか？
• RQ2 rmld は特性多項式や Tutte 多項式などのマトロイド不変量を用いて表現可能か？
• RQ3 線形濃度モデルの逆数多様体上での臨界点の個数に内在する幾何学的・代数的メカニズムは何か？
• RQ4 rmld はマトロイドの操作（削除・縮約）に対してどのように振る舞い、その挙動は解の個数に反映されるか？
• RQ5 公式 𝒟(ℒ,d) = (−d)^r ⋅ χ_M(1/d) は、d=1 の既知のケースを一般化し、非逆数および逆数の最尤次数を統一するか？

主な発見

• 次元 r の対角線型濃度モデル ℒ の逆数最尤次数は、関連するマトロイド M の特性多項式 χ_M を用いて、正確に (−2)^r ⋅ χ_M(1/2) に等しい。
• この公式により、一般モデルに対して rmld(ℒ) が n の r−1 次多項式であることが確認され、Sturmfels, Timme, Zwiernik が提起した疑問に答えている。
• ℂ^[n] 内の一般の r 次元モデルに対して、rmld(ℒ) = ∑_{i=1}^r (n−i−1 choose r−i) ⋅ 2^{r−i} が成り立ち、具体的な例として r=3 の場合 2n²−8n+7、r=4 の場合 4/3n³−10n²+68/3n−15 が得られる。
• 公式 𝒟(ℒ,d) = (−d)^r ⋅ χ_M(1/d) は、rmld を高階系に一般化し、d=2 のとき逆数ケースが回復される。
• rmld は常に奇数（0 を除く）であり、このパターンは数値データでも観察されており、今や公式によって説明可能となった。
• rmld の削除・縮約再帰関係が完全に特定されている：ループでは消え、コループでは (d−1) 倍され、それ以外では線形再帰を満たす。