[논문 리뷰] On asymptotic solvability of random graph's laplacians

A. Khorunzhy, Valentin Vengerovsky|ArXiv.org|2000. 09. 19.

Stochastic processes and statistical mechanics참고 문헌 2인용 수 9

한 줄 요약

이 논문은 간선 확률 $ p = 1/N $인 에르되시-레니 랜덤 그래프의 인접 행렬이 $ N \to \infty $일 때 渐近적으로 해법 가능해지며, 고유값 분포의 극한 모멘트에 대한 명시적 재귀 관계를 도출한다. 핵심 결과는 극한 스펙트럼 측도가 무한한 지지집합을 가지며, 이는 정규 그래프의 유한한 스펙트럼과 대조적으로 무한히 많은 고유값이 무한대로 발산함을 의미한다.

ABSTRACT

We observe that the Laplacian of a random graph G on N vertices represents and explicitly solvable model in the limit of infinitely increasing N. Namely, we derive recurrent relations for the limiting averaged moments of the adjacency matrix of G. These relations allow one to study the corresponding eigenvalue distribution function; we show that its density has an infinite support in contrast to the case of the ordinary discrete Laplacian.

연구 동기 및 목표

• 간선 확률 $ p = 1 $인 랜덤 그래프 $ G_N^{(p)} $의 인접 행렬의 $ N \to \infty $일 때의 스펙트럼 성질을 분석한다.
• 인접 행렬의 고유값 분포의 극한 모멘트에 대한 닫힌 형태의 재귀식을 유도한다.
• 극한 스펙트럼 측도가 유한한 지지집합을 가지는지 무한한 지지집합을 가지는지 판단하며, 정규 그래프와 대비한다.
• 이전에 실패한 경우에 적용되지 못했던 $ p \sim 1 $인 희박한 영역에 대해, 독립 요소를 가진 랜덤 행렬에 대한 위그너의 방법의 적용 범위를 확장한다.

제안 방법

• 나무 위의 산책을 조합적 수법으로 수세기하여, 루트가 있는 나무를 덮는 짝수 순서의 산책 수에 대한 재귀 관계를 유도한다.
• $ W_u(v) $를 루트 $ v $로 돌아오는 $ 2u $-단계 산책의 수로 정의하고, $ W_j(0) = \delta_{j0} $를 조건으로 하여 다음 재귀식을 유도한다: $ W_u(v) = \sum_{i=1}^v \sum_{j=v-i}^{u-i} \sum_{l=0}^{u-i-j} W_{u-i-j}(l) \binom{l+i-1}{i-1} \binom{v-1}{i-1} W_j(v-i) $.
• 고유값 분포의 극한 $ 2k $-번째 모멘트 $ m_k $를 계산하기 위해 $ m_k = \sum_{r=0}^k W_k(r) $의 관계를 사용한다.
• 이전 방법이 실패한 $ p=1 $의 경우에 적합하도록, [5,6,7]의 방법을 적용하여 희박한 랜덤 행렬에 대해 독립적 요소를 처리한다.
• 모멘트 방법을 사용하여 극한 스펙트럼 측도 $ \sigma^{(1)} $의 성질을 추론하며, 지지집합과 유일성 등을 포함한다.
• 인접 행렬 $ A^{(N)} $와 $ (A^{(N)})^2 $를 포함하는 혼합 모멘트를 분석하여 그래프 라플라스 연산자 $ \Delta_N = V^{(N)} - A^{(N)} $로의 프레임워크 확장을 달성하며, 색이 칠해진 나무를 사용해 간선의 다중성을 모델링한다.

실험 결과

연구 질문

• RQ1 희박한 랜덤 그래프에서 $ p=1 $인 인접 행렬의 극한 고유값 분포가 무한한 지지집합을 가지는가?
• RQ2 나무 위의 산책 수 계산을 위한 재귀식을 통해 $ N \to \infty $ 근처에서 인접 행렬의 모멘트를 계산할 수 있는가?
• RQ3 희박한 랜덤 그래프의 스펙트럼 행동은 정규 그래프나 조밀한 랜덤 행렬과 어떻게 다를까?
• RQ4 희박한 에르되시-레니 모델에서 최대 고유값의 점근적 행동은 어떠한가?
• RQ5 [5,6,7]의 방법을 랜덤 그래프의 라플라스 행렬에 확장할 수 있는가?

주요 결과

• 인접 행렬 고유값 분포의 극한 $ 2k $-번째 모멘트 $ m_k $는 $ m_k = \sum_{r=0}^k W_k(r) $로 주어지며, 여기서 $ W_k(r) $는 초기 조건 $ W_j(0) = \delta_{j0} $를 만족하는 재귀 공식을 따른다.
• 모멘트는 $ k \to \infty $일 때 $ m_{2k} \geq (k/2)^{k/2}(1+o(1)) $를 만족하며, 이는 극한 스펙트럼 측도가 무한한 지지집합을 가짐을 시사한다.
• 극한 스펙트럼 측도 $ \sigma^{(1)} $는 유일하며, $ m_{2k} \leq (C_2 k)^{2k} $로 인해 모멘트 문제의 수렴이 보장된다.
• 희박한 영역에서 차수를 무한히 크게 가질 수 있는 정점의 존재로 인해 $ A^{(N,1)} $의 최대 고유값은 $ N \to \infty $일 때 발산하며, $ \|A^{(N,1)}\| \to \infty $이다.
• 혼합 모멘트를 계산하고 두 가지 색의 나무를 사용해 간선의 다중성을 모델링함으로써, 이 방법은 라플라스 연산자 $ \Delta_N $에 적용된다.
• 가중치가 있는 랜덤 그래프나 다중 그래프로의 프레임워크 일반화는 $ A_{ij} $가 양의 정수 값 또는 랜덤 가중치를 가질 수 있도록 허용함으로써 달성된다.