[논문 리뷰] Walking on the Edge and Cosystolic Expansion

Tali Kaufman, David Mass|arXiv (Cornell University)|2016. 06. 06.

Topological and Geometric Data Analysis참고 문헌 11인용 수 3

한 줄 요약

이 논문은 2차원 정규 심플렉스 복합체의 변들에 대한 고차수 랜덤 워크가 코시스톨릭 확산체이자 기저 그래프의 스펙트럼 갭이 1/2보다 클 경우 균일 분포로 빠르게 수렴함을 증명한다. 주요 결과는 전반적인 조합적 확산 조건과 스펙트럼 갭 조건으로부터 변 그래프의 스펙트럼 확산(빠른 혼합 보장)이 유도됨을 보이며, 고차원으로 일반화된 고전적 확산 혼합 결과를 제시한다.

ABSTRACT

Random walks on regular bounded degree expander graphs have numerous applications. A key property of these walks is that they converge rapidly to the uniform distribution on the vertices. The recent study of expansion of high dimensional simplicial complexes, which are the high dimensional analogues of graphs, calls for the natural generalization of random walks to higher dimensions. In particular, a high order random walk on a $2$-dimensional simplicial complex moves at random between neighboring edges of the complex, where two edges are considered neighbors if they share a common triangle. We show that if a regular $2$-dimensional simplicial complex is a cosystolic expander and the underlying graph of the complex has a spectral gap larger than $1/2$, then the random walk on the edges of the complex converges rapidly to the uniform distribution on the edges.

연구 동기 및 목표

• 2차원 심플렉스 복합체의 변들에 대한 고차수 랜덤 워크가 빠르게 혼합하는 데 필요한 충분조건을 규명하는 것.
• 고차원 조합적 확산(코시스톨릭 확산)과 변 그래프의 스펙트럼 확산 사이의 격차를 메우는 것.
• 기저 그래프의 스펙트럼 갭 > 1/2와 함께 전반적인 코시스톨릭 확산이 변 기반 랜덤 워크의 빠른 수렴을 유도함을 보이는 것.
• 기존의 그래프 기반 확산 혼합 결과를 변 그래프의 스펙트럼 성질을 사용해 고차원 복합체로 일반화하는 것.

제안 방법

• 복합체의 변들을 정점으로 하고, 공통 삼각형을 공유하는 변 쌍 간에 간선을 연결하는 변 그래프 $ G_1(X) $ 를 정의한다.
• 변 그래프 $ G_1(X) $ 의 변 확산을 복합체의 각 정점의 국소적 시야와 연결한다: 부분집합 $ F \to S $ 에 대해 $ \bigcup_v \text{edges in } F \text{ incident to } v $ 를 계산한다.
• 코바운더리 확산과 국소적 시야 분석을 통해 $ \big| \bigcup_{v \notin S} \text{edges in } F \text{ incident to } v \big| $ 를 하한으로 제시하고, 이를 전반적 확산과 연결한다.
• 지나친 국소적 및 전반적 확산 간의 트레이드오프를 제어하기 위해 피로도 파라미터 $ \eta $ 를 도입하고, 이를 통해 하한을 최적화한다.
• 코시스톨릭 확산 상수 $ \epsilon $, 차수 $ k_1 $, 스펙트럼 갭 $ \widetilde{\lambda}_2 $ 를 사용하여 $ \sum_v |\delta(F_v)| $ 의 하한을 유도한다.
• 변 그래프 $ G_1 $ 에 대해 체헤거 부등식을 적용하여 $ \widetilde{\lambda}_2(G_1) $ 의 상한을 도출함으로써, 스펙트럼 확산과 빠른 혼합을 증명한다.

실험 결과

연구 질문

• RQ1 2차원 심플렉스 복합체의 변들에 대한 고차수 랜덤 워크가 균일 분포로 수렴하는 데 필요한 조건은 무엇인가?
• RQ2 2차원 심플렉스 복합체의 전반적 코시스톨릭 확산이 그 변 그래프의 스펙트럼 확산을 유도할 수 있는가?
• RQ3 기저 그래프(복합체 아래의 그래프)의 스펙트럼 갭은 변 기반 랜덤 워크의 혼합 시간을 어떻게 제어하는가?
• RQ4 모든 부분복합체의 국소 스펙트럼 확산 조건 없이도 빠른 혼합을 달성할 수 있는가?
• RQ5 복합체 내 국소적 시야와 전반적 확산 간의 상호작용이 변 그래프의 확산 성질에 어떻게 영향을 주는가?

주요 결과

• 2차원 심플렉스 복합체가 코시스톨릭 확산체이고 기저 그래프의 스펙트럼 갭 $ \widetilde{\lambda}_2 > 1/2 $ 를 만족하면, 변 그래프 $ G_1(X) $ 는 스펙트럼 확산체이다.
• 변 그래프 $ G_1(X) $ 의 정규화된 체헤거 상수는 $ \widetilde{h}(G_1) \geq \frac{\epsilon}{8} \left( 3\sqrt{(1+2\widetilde{\lambda}_2)^2 + 32} - 2\widetilde{\lambda}_2 - 17 \right) $ 를 만족하며, 강력한 확산을 의미한다.
• 변 그래프의 두 번째로 큰 고유값 $ \widetilde{\lambda}_2(G_1) $ 는 $ \widetilde{\lambda}_2(G_1) \leq 1 - \frac{\epsilon^2}{128} \left( 3\sqrt{(1+2\widetilde{\lambda}_2)^2 + 32} - 2\lambda_2 - 17 \right)^2 $ 를 만족하며, 이는 빠른 혼합을 보장한다.
• 변 그래프 $ G_1 $ 는 $ \alpha = \widetilde{\lambda}_2(G_1) $ 인 $ \alpha $-스펙트럼 확산체이므로, 변 기반 고차수 랜덤 워크는 빠르게 혼합된다.
• 국소 부분복합체가 스펙트럼 확산체가 아니어도 결과가 성립함을 보여, 전반적 코시스톨릭 확산만으로도 충분함을 입증한다.
• $ \sum_v |\delta(F_v)| $ 의 하한은 피로도 파라미터 $ \eta $ 를 통해 유도되며, 이는 확산 트레이드오프를 최적화하고 날카운 스펙트럼 하한을 도출한다.