[논문 리뷰] Homomorphism counts in robustly sparse graphs

Chun‐Hung Liu|arXiv (Cornell University)|2021. 07. 02.

Limits and Structures in Graph Theory참고 문헌 70인용 수 6

한 줄 요약

이 논문은 강건하게 희박한 그래프에서의 호모모르피즘 수에 대한 일반적인 정리를 수립하며, 유계된 확장이 있는 유전적 그래프 클래스에 대해 약한 조건 하에 고정된 그래프 $H$ 에서의 호모모르피즘 수가 상수 인자까지 단순한 하한에 의해 날카럽게 추정됨을 증명한다. 이 결과는 이러한 클래스에서 호모모르피즘, 부분그래프, 그리고 유도 부분그래프 수의 점근적 성장률을 결정하며, 특히 흐리지 않는 클래스에서 정확한 로그 밀도와 $d$-희박 그래프에서 최대 부분그래프 수를 포함한다.

ABSTRACT

For a fixed graph $H$ and for arbitrarily large host graphs $G$, the number of homomorphisms from $H$ to $G$ and the number of subgraphs isomorphic to $H$ contained in $G$ have been extensively studied in extremal graph theory and graph limits theory when the host graphs are allowed to be dense. This paper addresses the case when the host graphs are robustly sparse and proves a general theorem that solves a number of open questions proposed since 1990s and strengthens a number of results in the literature. We prove that for any graph $H$ and any set ${\mathcal H}$ of homomorphisms from $H$ to members of a hereditary class ${\mathcal G}$ of graphs, if ${\mathcal H}$ satisfies a natural and mild condition, and contracting disjoint subgraphs of radius $O(\lvert V(H) vert)$ in members of ${\mathcal G}$ cannot create a graph with large edge-density, then an obvious lower bound for the size of ${\mathcal H}$ gives a good estimation for the size of ${\mathcal H}$. This result determines the maximum number of $H$-homomorphisms, the maximum number of $H$-subgraphs, and the maximum number $H$-induced subgraphs in graphs in any hereditary class with bounded expansion up to a constant factor; it also determines the exact value of the asymptotic logarithmic density for $H$-homomorphisms, $H$-subgraphs and $H$-induced subgraphs in graphs in any hereditary nowhere dense class. Hereditary classes with bounded expansion include (topological) minor-closed families and many classes of graphs with certain geometric properties; nowhere dense classes are the most general sparse classes in sparsity theory. Our machinery also allows us to determine the maximum number of $H$-subgraphs in the class of all $d$-degenerate graphs with any fixed $d$.

연구 동기 및 목표

• 1990년대 이래로 희박한 그래프 클래스에서의 호모모르피즘 및 부분그래프 수에 대한 오랜 열린 문제를 해결하기 위해.
• 유계된 확장을 갖는 유전적 클래스에 속하는 그래프 $G$ 에 대해, 호모모르피즘 밀도 ${\rm hom}(H,G)/|V(G)|^k$ 의 정규화 지수 $k$ 가 올바른지 규명하기 위해.
• 유계된 확장을 갖는 유전적 클래스와 흐리지 않는 클래스에서의 최대 $H$-호모모르피즘 수, $H$-부분그래프 수, $H$-유도 부분그래프 수를 특성화하기 위해.
• $d$-희박 그래프와 교차 그래프 클래스(예: $\mathbb{R}^d$ 에서의 $k$-플라이 이웃성 시스템의 교차 그래프)로 이론을 확장하기 위해.

제안 방법

• 고정된 그래프 $H$ 에서 유전적 클래스 $\mathcal{G}$ 의 그래프들로의 호모모르피즘 집합에 대해, 반경 $O(|V(H)|)$ 의 서로소 부분그래프들을 수축해도 높은 간선 밀도가 발생하지 않도록 하는 조건을 도입한다.
• 강한 선형 비례 균형 분리자 개념을 사용하여 유계된 확장을 갖는 그래프 클래스를 특성화하며, 구조적 희박성과 수량적 행동 간의 연결 고리를 설정한다.
• 그래프 미니처 이론과 분리 정리(Alon, Seymour, Thomas 및 Dvořák, Norin의 결과 포함)를 적용하여, 유계된 확장과 선형 이하 분리자에 대해 적용한다.
• 플래그 대수 스타일 추론과 점근적 분석을 활용하여, 상수 인자까지 호모모르피즘 및 부분그래프 수의 날카로운 상한을 유도한다.
• 문제를 $H$ 내의 $\mathcal{G}$-복제 가능한 독립적 분리 집합의 분석으로 환원하며, 이는 점근적 성장에서 지수 $k$ 를 결정한다.
• 이 기계 장치를 적용하여, 흐리지 않는 클래스에서 호모모르피즘과 부분그래프의 정확한 점근적 로그 밀도를 유도한다.

실험 결과

연구 질문

• RQ1 어떤 고정된 그래프 $H$ 와 유전적 클래스에 대해, 희박한 그래프 $G$ 에 대해 $\mathrm{hom}(H,G)/|V(G)|^k$ 가 의미 있고 영이 아닌 값을 가지기 위한 올바른 정규화 지수 $k$ 는 무엇인가?
• RQ2 희박한 그래프 클래스에서의 $H$-부분그래프 수와 $H$-호모모르피즘 수는 상수 인자까지 어떻게 점근적으로 추정할 수 있는가?
• RQ3 흐리지 않는 그래프 클래스에서 $H$-호모모르피즘과 $H$-부분그래프의 정확한 점근적 로그 밀도는 무엇인가?
• RQ4 $d$-희박 그래프에서의 $H$-부분그래프 수의 최대값은 상수 인자까지 정확히 결정될 수 있는가?
• RQ5 희박한 그래프 클래스에서 호모모르피즘 수의 성장률을 결정하는 그래프 $H$ 의 어떤 구조적 성질이 있는가?

주요 결과

• 모든 고정된 그래프 $H$ 와 유계된 확장을 갖는 유전적 클래스 $\mathcal{G}$ 에 대해, $\mathcal{G}$ 의 $n$-정점 그래프에서의 $H$-호모모르피즘 수는 $\Theta(n^k)$ 이며, 여기서 $k$ 는 $H$ 의 $\mathcal{G}$-복제 가능한 독립적 분리 집합의 최대 크기에 의해 결정된다.
• 흐리지 않는 클래스에서의 $H$-호모모르피즘, $H$-부분그래프, $H$-유도 부분그래프의 점근적 로그 밀도가 정확히 결정된다.
• $d$-희박 그래프에서의 $H$-부분그래프 수의 최대값은 $\Theta(n^k)$ 이며, $k$ 는 유계된 확장 클래스와 동일한 분리 기반 파rameter로 주어진다.
• 이 결과는 모든 유계된 확장을 갖는 유전적 클래스에 적용되며, 미니처 닫힘 가족, 위상적 미니처 닫힘 가족, $\mathbb{R}^d$ 에서의 $k$-플라이 이웃성 시스템의 교차 그래프를 포함한다.
• 이 이론은 희박한 그래프에서 호모모르피즘 및 부분그래프 밀도에 대한 일반적인 정규화 프레임워크를 제공하며, 희박한 설정에서 그래프 극한 이론의 핵심 문제를 해결한다.
• 상수 인자에 대한 숨겨진 상수들은 최적화되지 않았지만, 점근적 성장률은 상수 인자까지 정확히 결정된다.