[논문 리뷰] Variational principles for amenable metric mean dimensions

Ercai Chen, Dou Dou외 1명|arXiv (Cornell University)|2017. 08. 07.

Advanced Topology and Set Theory인용 수 4

한 줄 요약

이 논문은 가산 무한 가환군 작용에 대한 메트릭 평균 차원과 비용 왜곡 함수 사이의 변분 원리를 설정하며, $Ζ$-작용에서 일반적인 가환군으로 Lindentrauss와 Tsukamoto의 결과를 확장한다. 유한 타일링 성질과 Følner 수열을 활용하여, 불변 측도 위에서 정규화된 $L^p$ 및 $L^\infty$ 비용 왜곡 함수의 상한의 limsup/liminf로 상한 및 하한 메트릭 평균 차원이 일치함을 증명함으로써, 무한 엔트로피 역학으로의 고전적 변분 원리 일반화를 달성한다.

ABSTRACT

In this paper, we prove variational principles between metric mean dimension and rate distortion function for countable discrete amenable group actions which extend recently results by Lindenstrauss and Tsukamoto.

연구 동기 및 목표

• 가산 무한 가환군 작용으로 $Ζ$-작용에서 Lindenstrauss와 Tsukamoto의 메트릭 평균 차원 변분 원리를 일반화하기.
• 가환군 역학의 맥락에서 메트릭 평균 차원과 비용 왜곡 함수 사이의 관계를 수립하기.
• 가환군에 대한 유한 타일링 결과를 활용하여 불변 측도를 구성하는 데 발생하는 기술적 과제를 해결하기.
• 메트릭 평균 차원이 불변 측도 전역에서 비용 왜곡 함수의 상한의 점점 증가하는 비율과 동일하다는 것을 증명하기.

제안 방법

• Downarowicz 등이 제시한 유한 타일링 결과를 활용하여 가환군에 대한 특정한 Følner 수열을 구성한다.
• 비용 왜곡 함수를 통한 메트릭 평균 차원에 적응된 Misiurewicz 방법을 적용한다.
• 상호정보량과 엔트로피 추정 기법을 활용하여 측도 이론적 및 위상적 불변량을 연결한다.
• Følner 수열을 따라 전이 측도의 약한* 수렴을 이용하여 극한 표현을 도출한다.
• 데이터 처리 부등식과 엔트로피 경계를 적용하여 극한에서 상호정보량을 제어한다.
• 정규화된 군 작용 하에서 비용 왜곡 함수의 渐近적 행동을 분석함으로써 변분 원리를 수립한다.

실험 결과

연구 질문

• RQ1 메트릭 평균 차원에 대한 변분 원리는 $Ζ$-작용에서 일반적인 가산 무한 가환군 작용으로 확장될 수 있는가?
• RQ2 가환군 작용에서, 불변 측도 위에서 $L^p$ 및 $L^\infty$ 비용 왜곡 함수의 정규화된 상한의 limsup/liminf와 메트릭 평균 차원이 동일한가?
• RQ3 위상적 및 측도 이론적 양을 연결하기 위해, 가환군 작용에서 Følner 수열을 따라 불변 측도를 어떻게 구성할 수 있는가?
• RQ4 유한 타일링과 준타일링은 가환군으로의 변분 원리 일반화에 어떤 역할을 하는가?
• RQ5 비용 왜곡 함수는 가환군 설정에서 메트릭 평균 차원의 복잡성을 충분히 반영하는가?

주요 결과

• 가환군 작용 하에서 동적 시스템의 상한 및 하한 메트릭 평균 차원은 모든 불변 측도 위에서 $L^p$ 비용 왜곡 함수의 정규화된 상한의 limsup 및 liminf와 각각 일치한다.
• $p>1$일 때 변분 원리가 성립한다: $\overline{\rm{mdim}}_M(\mathcal{X},d) = \limsup_{\varepsilon\to 0} \frac{\sup_{\mu\in M(\mathcal{X},T)} R_{\mu,p}(\varepsilon)}{|\log \varepsilon|}$.
• $L^\infty$ 변분 원리가 가환군으로 확장된다: $\underline{\rm{mdim}}_M(\mathcal{X},d) = \liminf_{\varepsilon\to 0} \frac{\sup_{\mu\in M(\mathcal{X},T)} R_{\mu,\infty}(\varepsilon)}{|\log \varepsilon|}$.
• 증명은 가환군에 대한 유한 타일링 결과를 활용하여, 필요한 측도 근사화를 지원하는 Følner 수열을 구성하는 데 의존한다.
• 저자들은 상호정보량과 엔트로피 추정을 통해 비용 왜곡 함수의 하한을 확립하여, 극한에서 $R_{\mu,\infty}(\varepsilon) \geq S(\mathcal{X},G,d,12\varepsilon)$ 를 보였다.
• $\alpha \to 0$일 때, 부등식 $R_{\mu,\infty}(\varepsilon) \geq S(\mathcal{X},G,d,12\varepsilon)$ 가 강화되어 渐近적 영역에서 등식이 성립함을 보였다.