[논문 리뷰] A distance exponent for Liouville quantum gravity

Ewain Gwynne, Nina Holden외 1명|arXiv (Cornell University)|2016. 06. 03.

Topological and Geometric Data Analysis인용 수 3

한 줄 요약

이 논문은 $\gamma$-리만 양자 중력(LQG)과 공간을 채우는 SLE$_{\kappa}$에서 유도된 무작위 평면 맵 모델에서 그래프-거리 볼의 기수를 비자명한 상한과 하한으로 규명한다. $\kappa = 16/\gamma^2$ 이며, 일반적인 점들 간의 기댓값 거리가 $\epsilon^{-\chi + o_\epsilon(1)}$의 형태로 스케일링되는 거리 지수 $\chi > 0$ 가 존재함을 증명한다. 이는 $\gamma$-LQG의 하우스도르프 차원에 대한 와타빅의 예측과 일치한다.

ABSTRACT

Let $γ\in (0,2)$ and let $h$ be the random distribution on $\mathbb C$ which describes a $γ$-Liouville quantum gravity (LQG) cone. Also let $κ= 16/γ^2 >4$ and let $η$ be a whole-plane space-filling SLE$_κ$ curve sampled independent from $h$ and parametrized by $γ$-quantum mass with respect to $h$. We study a family $\{\mathcal G^ε\}_{ε>0}$ of planar maps associated with $(h, η)$ called the extit{LQG structure graphs} (a.k.a.\ extit{mated-CRT maps}) which we conjecture converge in probability in the scaling limit with respect to the Gromov-Hausdorff topology to a random metric space associated with $γ$-LQG. In particular, $\mathcal G^ε$ is the graph whose vertex set is $ε\mathbb Z$, with two such vertices $x_1,x_2\in ε\mathbb Z$ connected by an edge if and only if the corresponding curve segments $η([x_1-ε, x_1])$ and $η([x_2-ε,x_2])$ share a non-trivial boundary arc. Due to the peanosphere description of SLE-decorated LQG due to Duplantier, Miller, and Sheffield (2014), the graph $\mathcal G^ε$ can equivalently be expressed as an explicit functional of a correlated two-dimensional Brownian motion, so can be studied without any reference to SLE or LQG. We prove non-trivial upper and lower bounds for the cardinality of a graph-distance ball of radius $n$ in $\mathcal G^ε$ which are consistent with the prediction of Watabiki (1993) for the Hausdorff dimension of LQG. Using subadditivity arguments, we also prove that there is an exponent $χ> 0$ for which the expected graph distance between generic points in the subgraph of $\mathcal G^ε$ corresponding to the segment $η([0,1])$ is of order $ε^{-χ+ o_ε(1)}$, and this distance is extremely unlikely to be larger than $ε^{-χ+ o_ε(1)}$.

연구 동기 및 목표

• 연속 극한에서 여전히 잘 이해되지 않는 $\gamma$-리만 양자 중력(LQG) 표면의 거리적 구조를 이해하기 위해.
• LQG 구조 그래프라 불리는 $\gamma$-LQG의 이산 근사 모델에서 그래프-거리 볼의 성장에 대한 엄밀한 구속을 설정하기 위해.
• 표준적인 거리의 스케일링을 지배하는 거리 지수 $\chi > 0$ 가 존재함을 증명하기 위해.
• 하나의 하나의 하향성과 집중성 추론을 통해 와타빅의 $\gamma$-LQG에 대한 하우스도르프 차원 공식에 대한 증거를 제공하기 위해.

제안 방법

• 정점이 $\epsilon\mathbb{Z}$이고, 공간을 채우는 SLE$_\kappa$ 곡선의 서로 겹치는 경계 호를 연결하는 간선을 가진 랜덤 평면 맵으로서 LQG 구조 그래프 $\mathcal{G}^\epsilon$를 구성한다.
• 페노스피어 대응을 사용하여 $\mathcal{G}^\epsilon$를 상관된 이차원 브라운 운동의 함수로 표현함으로써, 직접적인 SLE나 LQG 이론 없이도 분석이 가능하도록 한다.
• 하나의 하향성 추론과 페케테의 보조정리의 변형을 적용하여 SLE 곡선의 일부에서 점들 간의 기댓값 거리에 대한 거리 지수 $\chi$ 가 존재함을 증명한다.
• 브라운 운동 추정과 대규모 편리도 기법을 사용하여 그래프-거리 볼의 기수에 대한 상한과 하한을 유도한다.
• 브라운 운동 경로의 경계 길이에 대한 조건부 확률과 집중 경계를 사용하여 그래프 내 랜덤 셀의 지름을 제어한다.
• 조건수 $n_k^q \leq n_{k+1} \leq n_k^{\hat{q}}$ 를 만족하는 수열 $\{n_k\}$ 의 재귀적 구성 방법을 사용하여 $a_n / n$ 이 한계값 $\chi$ 로 수렴함을 보여, 지수의 존재성을 증명한다.

실험 결과

연구 질문

• RQ1 LQG 구조 그래프의 $\epsilon$-이산화된 LQG 거리에서 그래프-거리 성장이 잘 정의된 스케일링 지수를 가지는가?
• RQ2 LQG 구조 그래프에서 그래프-거리 볼의 기수에 대해 비자명한 상한과 하한을 설정할 수 있는가?
• RQ3 기댓값 거리가 $\epsilon^{-\chi + o_\epsilon(1)}$ 의 형태로 스케일링되는 거리 지수 $\chi > 0$ 가 존재하는가?
• RQ4 볼의 기수에 대한 구속이 와타빅의 $\gamma$-LQG에 대한 하우스도르프 차원에 대한 추측을 지지하는가?
• RQ5 하향성과 집중성 기법을 사용하여 이 무작위 거리 모델에서 한계 거리 지수의 존재성을 증명할 수 있는가?

주요 결과

• LQG 구조 그래프 $\mathcal{G}^\epsilon$에서 반지름 $n$ 인 그래프-거리 볼의 기수는 $n$ 에 대한 거듭제곱 법칙으로 상한과 하한이 존재하며, 이는 $\gamma$-LQG의 하우스도르프 차원에 대한 와타빅의 예측과 일치한다.
• 일반적인 점들 간의 기댓값 거리가 $\epsilon^{-\chi + o_\epsilon(1)}$ 의 순서로 스케일링되는 거리 지수 $\chi > 0$ 가 존재한다.
• 이 기댓값 거리가 $\epsilon^{-\chi + o_\epsilon(1)}$ 를 초과할 가능성은 매우 낮으며, 이는 일반적인 스케일링 주위로 강한 집중을 나타낸다.
• 지수 $\chi$ 의 존재는 $n_k^q \leq n_{k+1} \leq n_k^{\hat{q}}$ 를 만족하는 수열에 대해 적용된 페케테의 하향성 보조정리의 변형을 통해 증명된다. 여기서 $q, \hat{q} \in (1, p^{-1/2})$ 이다.
• 한계값 $\chi = \lim_{k \to \infty} a_{n_k}/n_k$ 는 수열 $\{n_k\}$ 의 선택과 무관하게 일정함을 보여, 지수가 잘 정의되어 있음을 확인한다.
• 분석 결과, LQG 구조 그래프에서 거리의 스케일링이 와타빅(1993)의 $\gamma$-LQG에 대한 하우스도르프 차원에 대한 히ュ리스틱 예측과 일치함을 확인한다.