[논문 리뷰] The Vertex Reinforced Jump Process and a Random Schrödinger operator on finite graphs

Christophe Sabot, Pierre Tarrès외 1명|arXiv (Cornell University)|2015. 07. 16.

Bayesian Methods and Mixture Models참고 문헌 8인용 수 6

한 줄 요약

이 논문은 다변량 지수족을 새로이 정의하여 인버스 가우시안 분포를 일반화하고, 임의의 슈뢰딩거 연산자와의 연결을 통해 정점 강화 점프 과정(VRJP)과 간선 강화 랜덤 워크(ERRW)를 연결한다. 이는 분산이 분리된 잠재변수를 가진 임의의 슈뢰딩거 연산자와 관련된다. 주요 기여는 다이아코니스가 제기한 오랜 숙제였던 ERRW의 혼합 측도 정규화 상수에 대한 직접 계산을 가능하게 하며, 혼합 필드가 연산자의 그린 함수와 같다는 것을 보여주어 결합 및 함수적 극한 정리의 가능성을 열어준다.

ABSTRACT

We introduce a new exponential family of probability distributions, which can be viewed as a multivariate generalization of the Inverse Gaussian distribution. Considered as the potential of a random Schrödinger operator, this exponential family is related to the random field that gives the mixing measure of the Vertex Reinforced Jump Process (VRJP), and hence to the mixing measure of the Edge Reinforced Random Walk (ERRW), the so-called magic formula. In particular, it yields by direct computation the value of the normalizing constants of these mixing measures, which solves a question raised by Diaconis. The results of this paper are instrumental in [Sabot-Zeng,2015], where several properties of the VRJP and the ERRW are proved, in particular a functional central limit theorem in transient regimes, and recurrence of the 2-dimensional ERRW.

연구 동기 및 목표

• 유한 그래프 위에서 정의된 새로운 다변량 지수족을 정의하여 인버스 가우시안 분포를 일반화하고, 임의의 슈뢰딩거 연산자와 연결한다.
• 정점 강화 점프 과정(VRJP)의 혼합 측도와 특정 임의의 잠재변수를 가진 임의의 슈뢰딩거 연산자의 그린 함수 사이의 연결 고리를 설정한다.
• 다이아코니스가 제기한, ERRW 혼합 측도의 '마법의 공식' 정규화 상수에 대한 직접 계산이라는 열린 문제를 해결한다.
• 다른 초기 조건에서 시작하는 VRJP의 혼합 필드를 결합할 수 있는 프레임워크를 제공한다.
• 무한 그래프로의 결과 확장을 위한 기반을 마련하며, 기능적 중심극한정리 및 투과 영역에서의 재귀성과 같은 성질을 다룬다.

제안 방법

• 그래프의 전도도를 나타내는 $P$를 사용하여 $2\beta - P$의 행렬식 비율을 이용한, 양의 벡터 $\beta$ 위의 새로운 지수족 확률 측도를 정의한다.
• 잠재변수 $V = 2\beta - W$를 가진 임의의 슈뢰딩거 연산자 $H_\beta = -\Delta^W + V$를 정의하고, 거의 확실한 양의 성질을 보장한다.
• VRJP의 혼합 필드 $e^{u_j}$가 $G(i_0, j)/G(i_0, i_0)$와 동일한 분포를 가짐을 증명한다. 여기서 $G = (H\_\beta)^{-1}$는 연산자 $H\_\beta = -\Delta^W + (2\beta - W)$의 그린 함수이다.
• 시간 스케일링 기법을 사용하여 VRJP를 초기 국소 시간이 1인 과정으로 변환하고, [14]의 기존 결과를 적용할 수 있도록 한다.
• 지수족의 라플라스 변환을 유도하여, 근사적으로 인버스 가우시안 분포를 가지며, 필드가 거리 2에서 분산이 분리됨을 보여준다.
• 재귀적 LU 분해를 적용하여 행렬식을 분석하고, 정리 1에서의 정규화 항등식을 증명한다.

실험 결과

연구 질문

• RQ1 다이아코니스가 제기한 바와 같이, 간선 강화 랜덤 워크(ERRW) 혼합 측도의 정규화 상수는 직접 계산될 수 있는가?
• RQ2 정점 강화 점프 과정(VRJP)의 혼합 측도는 어떤 방식으로 임의의 슈뢰딩거 연산자의 그린 함수와 연결되는가?
• RQ3 VRJP과 ERRW에서 유도되는 임의의 잠재변수의 지수족의 구조는 무엇이며, 이는 어떻게 인버스 가우시안 분포를 일반화하는가?
• RQ4 임의의 슈뢰딩거 연산자 프레임워크를 통해 다른 시작점에서의 VRJP 혼합 필드를 결합할 수 있는가?
• RQ5 이 표현 방식은 VRJP와 ERRW의 장기적 행동, 예를 들어 재귀성 또는 기능적 중심극한정리에 어떤 영향을 미치는가?

주요 결과

• ERRW 혼합 측도의 정규화 상수는 다음 항등식을 통해 직접 계산된다: $\int \mathbf{1}_{2\beta - P > 0} e^{-\langle \theta, \beta \rangle} \frac{d\beta}{\sqrt{|2\beta - P|}} = \exp\left(-\sum_{\{i,j\}\in E} W_{i,j} \sqrt{\theta_i \theta_j}\right) \prod_i \frac{1}{\sqrt{\theta_i}}$.
• VRJP의 혼합 필드 $e^{u_j}$는 $G(i_0, j)/G(i_0, i_0)$와 동일한 분포를 가지며, 여기서 $G = (H_\beta)^{-1}$는 임의의 슈뢰딩거 연산자 $H_\beta = -\Delta^W + (2\beta - W)$의 그린 함수이다.
• 슈뢰딩거 연산자에서의 임의의 잠재변수 $2\beta - W$는 거리 2에서 분산이 분리되는 성질을 가지며, 이는 지수족의 핵심 구조적 특성이다.
• $\beta_i$의 주변 분포는 파arameter $\left(\frac{1}{\sum_{j\sim i} W_{i,j} \sqrt{\theta_i \theta_j}}, 1\right)$를 가진 인버스 가우시안 분포임을 확인하여, 다변량 인버스 가우시안 분포의 일반화임을 입증한다.
• 이 프레임워크를 통해 동일한 연산자의 그린 함수와 연결되어, 다른 초기 정점에서 시작하는 VRJP 혼합 필드를 결합할 수 있다.
• 이 결과들은 [16]에서 기능적 중심극한정리와 2차원 ERRW의 재귀성 증명에 기여하며, 약한 강화 조건 하에서 $d \geq 3$ 차원에서 VRJP 및 ERRW에 대해 기능적 중심극한정리를 도출한다.