[논문 리뷰] Fluctuations of extreme eigenvalues of sparse Erd\H{o}s-R\'enyi graphs

Yukun He, Antti Knowles|arXiv (Cornell University)|2020. 05. 05.

Random Matrices and Applications참고 문헌 19인용 수 4

한 줄 요약

이 논문은 간선 확률이 $ Np \gg N^\varepsilon $인 희박한 Erdős-Rényi 무작위 그래프에서, 페론-프로베니우스 고유값을 제외한 극단 고유값들이 단일 랜덤 변수인 그래프의 총 차수를 나타내는 것으로, 渐近적으로 정규 분포를 따르는 변동성을 보임을 밝혀낸다. 이 결과는 이전의 Tracy-Widom 변동성을 최적의 스케일링 $ Np \gg N^\varepsilon $까지 확장하며, 이전 연구에서 사용된 $ (Np)^{-1} $ 전개를 피하는 $ N^{-1/2-\varepsilon}(Np)^{-1/2} $ 정도의 새로운 강성 경계를 사용한다.

ABSTRACT

We consider a class of sparse random matrices which includes the adjacency matrix of the Erd\\H{o}s-R\\'enyi graph $\\mathcal{G}(N,p)$. We show that if $N^{\\varepsilon} \\leq Np \\leq N^{1/3-\\varepsilon}$ then all nontrivial eigenvalues away from 0 have asymptotically Gaussian fluctuations. These fluctuations are governed by a single random variable, which has the interpretation of the total degree of the graph. This extends the result [19] on the fluctuations of the extreme eigenvalues from $Np \\geq N^{2/9 + \\varepsilon}$ down to the optimal scale $Np \\geq N^{\\varepsilon}$. The main technical achievement of our proof is a rigidity bound of accuracy $N^{-1/2-\\varepsilon} \\, (Np)^{-1/2}$ for the extreme eigenvalues, which avoids the $(Np)^{-1}$-expansions from [9,19,24]. Our result is the last missing piece, added to [8, 12, 19, 24], of a complete description of the eigenvalue fluctuations of sparse random matrices for $Np \\geq N^{\\varepsilon}$.

연구 동기 및 목표

• 희박한 무작위 행렬의 극단 고유값의 渐近적 분포를 $ Np \gg N^\varepsilon $ 범위에서 기존 결과를 초월하여 기술하는 것.
• 희박한 무작위 행렬의 고유값 변동성을 최적 척도까지 완전하게 기술하는 데 남아 있던 마지막 단서를 해결하는 것.
• 영점에서 벗어난 모든 비자명한 고유값이 단일 랜덤 변수—즉, 그래프의 총 차수—에 의해 제어되는 渐近적 정규 분포 변동성을 가지며, 이는 정규 분포로 수렴한다는 것을 확립하는 것.
• 이전 연구에서 사용된 $ (Np)^{-1} $ 전개 기법을 피하는 새로운 극단 고유값에 대한 강성 경계를 개발하는 것.

제안 방법

• 입력 항목에 대한 모멘트 조건과 尾尾 조건을 만족하는 희박한 무작위 행렬의 일반적 클래스를 도입하며, 이는 $ \mathcal{G}(N,p) $의 정규화된 인접행렬를 포함한다.
• 고유값 변동성을 지배하는 핵심 랜덤 변수 $ \mathcal{Z} = \frac{1}{N}\operatorname{Tr}H^2 - 1 $을 정의하며, 이는 표준 정규 분포로 수렴한다.
• 극단 고유값에 대해 $ N^{-1/2-\varepsilon}(Np)^{-1/2} $ 정도의 정확도를 갖는 강성 경계를 확립하며, 이는 이전 연구에서 사용된 $ (Np)^{-1} $ 전개에 의존하지 않는다.
• 자기 일관성 방정식 접근법과 임펄스 함수 분석을 통해 경험 측도의 스틸체스 변환을 편향 매개변수 $ \mathcal{Z} $와 연결한다.
• 국지화 추론을 적용하여 고유값 변동성이 $ \mathcal{Z} $에 의해 완전히 결정되며, 수정항이 $ O_{\prec}(1/(\sqrt{N}q^3)) $ 이내임을 보여준다.
• 반정적 전개 기법을 통해 반원 법칙과 가장자리 행동을 분석하여 고유값 위치를 재스케일링된 매개변수 $ \mathcal{Z} $와 연결한다.

실험 결과

연구 질문

• RQ1 희박한 Erdős-Rényi 그래프의 극단 고유값은 이전에 알려진 $ Np \gg N^{2/9} $ 범위를 초월하여 $ Np \gg N^\varepsilon $까지 정규 분포 변동성을 보일까?
• RQ2 두 번째로 큰 고유값의 변동성은 단일 랜덤 변수에 의해 지배되며, 이는 그래프의 구조적 해석으로서 무엇을 의미하는가?
• RQ3 이전 연구에서 사용된 $ (Np)^{-1} $-순서 전개에 의존하지 않고 극단 고유값에 대한 강성 경계를 확립할 수 있을까? 이는 희박한 영역에서 더 엄밀한 제어를 가능하게 하는가?
• RQ4 반원 법칙의 가장자리 부근에서 고유값 분포는 총 차수 랜덤 변수 $ \mathcal{Z} $의 영향을 받아 어떻게 변형되는가?
• RQ5 $ 1 \ll Np \ll N^{1/3} $ 범위에서 고유값 변동의 정확한 스케일링은 무엇이며, 이는 정규 극한과 일치하는가?

주요 결과

• $ Np \gg N^\varepsilon $ 범위에서 두 번째로 큰 고유값 $ \lambda_{N-1} $의 변동은 渐近적으로 정규 분포를 따르며, $ \sqrt{\frac{N^2 p}{2}}(\lambda_{N-1} - \mathbb{E}\lambda_{N-1}) \xrightarrow{d} \mathcal{N}(0,1) $로 표현되며, 이는 이전의 $ Np \gg N^{2/9} $ 범위를 $ Np \gg N^\varepsilon $까지 확장한다.
• 고유값 변동은 단일 랜덤 변수 $ \mathcal{Z} $에 의해 완전히 지배되며, 이는 그래프의 정규화된 총 차수에 해당하며 표준 정규 분포로 수렴한다.
• 극단 고유값에 대해 $ N^{-1/2-\varepsilon}(Np)^{-1/2} $ 정도의 정확도를 갖는 새로운 강성 경계가 확립되었으며, 이는 EKYY1, LS1, HLY에서 사용된 $ (Np)^{-1} $ 전개를 피한다.
• 이 결과는 $ Np \gg N^\varepsilon $ 범위에서 희박한 무작위 행렬의 고유값 변동을 완전히 기술하는 그림을 완성하며, EKYY2, LS1, HLY, H19 이후 남아 있던 마지막 단서를 메운다.
• 반원 법칙의 가장자리는 $ \mathcal{Z} $에 의해 변형되며, 고유값 위치 $ \gamma_i $ 는 $ \gamma_i - \gamma_{0,i}(1 + \mathcal{Z}/2) = O_{\prec}(1/(\sqrt{N}q^3)) $ 를 만족하여 주요 이동항을 확인한다.
• 증명 기법은 $ (Np)^{-1} $ 전개를 피하며, 스틸체스 변환과 자기 일관성 방정식의 정교한 분석에 의존하여 최적 스케일링을 가능하게 한다.