[論文レビュー] Thresholds for contagious sets in random graphs

Omer Angel, Brett Kolesnik|arXiv (Cornell University)|Nov 30, 2016

Stochastic processes and statistical mechanics参考文献 33被引用数 5

ひとこと要約

本稿は、Erdős-Rényi 確率的グラフ $ \mathcal{G}_{n,p} $ におけるサイズ $ r \geq 2 $ の最小の伝染的集合の存在に関する鋭い閾値を確立し、$ p \gtrsim \left( \frac{\alpha_r}{n \log^{r-1} n} \right)^{1/r} $ のとき、このような集合が高確率で全グラフを感染させることが示されている。ここで $ \alpha_r = (r-1)! \left( \frac{r-1}{r} \right)^{2(r-1)} $ である。この結果は先行研究の境界を鋭くし、時間変動する分岐過程の生存確率と関連している。

ABSTRACT

For fixed $r\geq 2$, we consider bootstrap percolation with threshold $r$ on the Erdős-Rényi graph ${\cal G}_{n,p}$. We identify a threshold for $p$ above which there is with high probability a set of size $r$ which can infect the entire graph. This improves a result of Feige, Krivelevich and Reichman, which gives bounds for this threshold, up to multiplicative constants. As an application of our results, we also obtain an upper bound for the threshold for $K_4$-bootstrap percolation on ${\cal G}_{n,p}$, as studied by Balogh, Bollobás and Morris. We conjecture that our bound is asymptotically sharp. These thresholds are closely related to the survival probabilities of certain time-varying branching processes, and we derive asymptotic formulae for these survival probabilities which are of interest in their own right.

研究の動機と目的

• サイズ $ r $ の最小の伝染的集合が $ \mathcal{G}_{n,p} $ に存在するための正確な閾値を特定すること。この集合は $ r $-ブートストラップギャップの下で全グラフを感染させる。
• Feige, Krivelevich, Reichman による先行境界を改善し、$ \mathcal{G}_{n,p} $ における感受性の鋭い閾値を同定すること。
• $ K_4 $-ブートストラップギャップに結果を適用し、$ p_c(n,K_4) $ のよりタイトな上界を提供すること。
• 時間変動する分岐過程に関連する生存確率の漸近的公式を導出すること。

提案手法

• 頂点が少なくとも $ r $ 個の感染済みの隣接頂点を持つ場合に感染するというルールに従い、$ \mathcal{G}_{n,p} $ における $ r $-ブートストラップギャップを分析する。
• グラフ構造に合わせてパラメータを調整した分岐過程の近似を用いて、初期集合サイズ $ r $ からの感染拡大をモデル化する。
• 大偏差と極値理論を用いて、分岐過程の生存確率を推定し、これは全グラフ感染に対応する。
• 分岐過程の生存確率の漸近的表現を導出し、臨界 $ p $ における鋭い遷移を示す。
• 変分法を用いて分岐過程のパラメータの最適化を行い、閾値 $ \alpha_r $ を確立する。
• 感染集合のサイズを $ \alpha < \alpha_r $ の場合に境界づけることで、閾値の鋭さを証明する。高確率で $ O(\log n) $ であることが示される。

実験結果

リサーチクエスチョン

• RQ1 サイズ $ r $ の最小の伝染的集合が $ \mathcal{G}_{n,p} $ に存在するための正確な閾値 $ p_c(n,r) $ は何か？
• RQ2 臨界閾値より低い $ p $ のとき、感染集合のサイズはどのように増大するか？また、感受性のある部分グラフの最大サイズは何か？
• RQ3 $ r $-ブートストラップギャップに関する結果を $ K_4 $-ブートストラップギャップの閾値の上界を改善するために利用できるか？
• RQ4 関連する時間変動する分岐過程の生存確率の漸近的公式は何か？また、ギャップ閾値とどのように関連するか？
• RQ5 $ K_4 $-ギャップの導出された閾値は、予想されたように漸近的に鋭いか？

主な発見

• $ r $-ブートストラップギャップにおける臨界閾値は $ p_c(n,r) = \left( \frac{\alpha_r}{n \log^{r-1} n} \right)^{1/r} (1+o(1)) $ であり、ここで $ \alpha_r = (r-1)! \left( \frac{r-1}{r} \right)^{2(r-1)} $ である。この閾値は鋭い。
• $ \alpha > \alpha_r $ のとき、$ p = \left( \frac{\alpha}{n \log^{r-1} n} \right)^{1/r} $ であるランダムグラフ $ \mathcal{G}_{n,p} $ は高確率で感受性を示し、サイズ $ r $ の集合が全グラフを感染させる。
• $ \alpha < \alpha_r $ のとき、任意の初期集合サイズ $ r $ からの感染集合は高確率で $ O(\log n) $ に留まる。これは全感染が不可能であることを示している。
• 本稿は、$ \mathcal{G}_{n,p} $ における $ K_4 $-ブートストラップギャップの閾値の上界を改善し、その上界が漸近的に鋭いと予想している。
• 関連する時間変動する分岐過程の生存確率は、閾値より上では正であり、下ではゼロであることが示され、正確な漸近的公式が導出された。
• 解析により、$ \alpha < \alpha_r $ のとき、感受性のある部分グラフの最大サイズは $ \Theta(\log n) $ であることが判明し、最大の部分グラフはパラメータ $ \beta $ を用いて特徴づけられる。