[논문 리뷰] A phase transition for repeated averages

Sourav Chatterjee, Persi Diaconis외 2명|arXiv (Cornell University)|2019. 11. 07.

Mathematical Dynamics and Fractals참고 문헌 21인용 수 6

한 줄 요약

이 논문은 실수 벡터의 두 무작위로 선택된 좌표를 반복적으로 평균화하는 마르코프 과정을 연구하며, 평균 벡터와의 L¹ 거리가 날카러운 컷오프 현상을 보임을 보여준다. 초기 벡터의 질량이 한 성분에 집중되어 있을 경우, 컷오프는 $\theta n \log n$에 발생하며 $\theta = \frac{1}{2\log 2}$이며, 창문 크기는 $n\sqrt{\log n}$이며 정규 분포의 누적분포함수로 기술된다.

ABSTRACT

Let $x_1,\ldots,x_n$ be a fixed sequence of real numbers. At each stage, pick two indices $I$ and $J$ uniformly at random and replace $x_I$, $x_J$ by $(x_I+x_J)/2$, $(x_I+x_J)/2$. Clearly all the coordinates converge to $(x_1+\cdots+x_n)/n$. We determine the rate of convergence, establishing a sharp "cutoff" transition, answering a question of Jean Bourgain.

연구 동기 및 목표

• 반복 평균화 과정의 수렴 속도를 실수 벡터에서 정확히 규명하는 것.
• 제인 보르게인의 질문, 즉 이러한 과정의 수렴에서 컷오프가 존재하고 그 위치가 어디인지 해결하는 것.
• 모든 질량이 한 좌표에 집중된 가장 나쁜 초기 조건이 전반적인 혼합 시간을 결정함을 입증하는 것.
• 컷오프 창문을 기술하고, 이가 비정상적으로 넓어 수렴 전이가 시뮬레이션으로서 감지하기 어려운지 밝혀내는 것.

제안 방법

• 매 단계에서 두 인덱스를 균일하게 무작위로 선택하여 그 값들을 평균으로 대체하는 방식으로 $\mathbb{R}^n$ 위의 마르코프 체인으로 반복 평균화 과정을 모델링한다.
• 정확한 $L^2$ 노름 계산을 통해 $\mathbb{E}\left[\sum (x_{k,i} - \overline{x}_0)^2\right] = \left(1 - \frac{1}{n-1}\right)^k \sum (x_{0,i} - \overline{x}_0)^2$를 도출하여 $k \gg n$일 때 $L^2$ 수렴을 보여준다.
• L¹ 거리 $T(k) = \sum |x_{k,i} - \overline{x}_0|$를 분석하여 확률적 커플링과 농도 경계를 활용해 컷오프 행동을 규명한다.
• 초기 조건 $x_0 = (1,0,\ldots,0)$일 때, $\theta < \frac{1}{2\log 2}$이면 $T(\theta n \log n) \xrightarrow{\mathbb{P}} 2$, $\theta > \frac{1}{2\log 2}$이면 $T(\theta n \log n) \xrightarrow{\mathbb{P}} 0$임을 증명하여 컷오프 위치를 규명한다.
• 표준 정규 누적분포함수를 사용해 컷오프 창문을 기술한다: $T(\lfloor n(\log_2 n + a\sqrt{\log_2 n})/2 \rfloor) \xrightarrow{\mathbb{P}} 2\Phi(-a)$.
• 커플링 추론을 통해 가장 나쁜 초기 조건(델타 질량)이 고정된 총 질량을 가진 모든 비음수 초기 벡터에서 수렴 행동을 지배함을 보여준다.

실험 결과

연구 질문

• RQ1 반복 평균화 과정이 $\mathbb{R}^n$에서 평균 벡터로의 $L^1$ 수렴에서 컷오프 현상을 보일까?
• RQ2 가장 나쁜 초기 조건 $x_0 = (1,0,\ldots,0)$에 대해 컷오프의 정확한 위치는 무엇일까?
• RQ3 컷오프 창문의 너비는 얼마이며, 이를 확률적으로 기술할 수 있을까?
• RQ4 모든 질량이 한 좌표에 집중된 초기 조건이 수렴 시간에서 가장 나쁜 시나리오일까?
• RQ5 과정이 유한한 단계 안에 정확히 상수 벡터로 종료되는 조건은 무엇일까?

주요 결과

• L¹ 거리 $T(k)$는 $\theta n \log n$에서 $\theta = \frac{1}{2\log 2} \approx 0.721$에 날카러운 컷오프를 보이며, 이 시점 주변에서 수렴이 급격히 발생함을 의미한다.
• $\theta < \frac{1}{2\log 2}$이면 $T(\theta n \log n) \xrightarrow{\mathbb{P}} 2$로 느린 수렴을 나타내고, $\theta > \frac{1}{2\log 2}$이면 $T(\theta n \log n) \xrightarrow{\mathbb{P}} 0$로 빠른 수렴을 나타낸다.
• 컷오프 창문의 크기는 $n\sqrt{\log n}$이며, $T(k)$의 감소는 표준 정규분포의 누적분포함수로 기술된다: $k = \lfloor n(\log_2 n + a\sqrt{\log_2 n})/2 \rfloor$일 때 $T(k) \xrightarrow{\mathbb{P}} 2\Phi(-a)$.
• 가장 나쁜 초기 조건은 $x_0 = (1,0,\ldots,0)$이며, 심플렉스 $\mathbf{P}_n$ 내의 임의의 초기 조건에 대해 $L^1$ 거리는 가장 나쁜 경우의 과정에 의해 확률적으로 지배된다.
• 만약 $n$이 2의 거듭제곱이라면 과정은 유한한 단계 안에 상수 벡터 $\overline{x}_0 \mathbf{1}$에 도달하고, 그렇지 않다면 정확히 0이 되는 적이 없다.
• 만약 $n$이 2의 거듭제곱이라면, 초기 상태에 관계없이 과정은 확률적으로 1로 상수 벡터에 도달하게 된다.