[论文解读] Aging properties of Sinai's model of random walk in random environment

Amir Dembo, Alice Guionnet+1 more|arXiv (Cornell University)|May 25, 2001

Stochastic processes and statistical mechanics参考文献 3被引用 13

一句话总结

本文严格证明了随机环境中西乃最近邻随机游走的衰老行为，确立了该过程的退火律表现出一种衰老特性，其相关性结构由位置的对数缩放决定。关键结果证实了Le Doussal、Monthus与Fisher的猜想：当 $ n \to \infty $ 且 $ \eta \to 0 $ 时，时间区间长度为 $ n^h - n $ 内游走位移相对于 $ (\log n)^2 $ 较小的概率收敛于 $ \frac{1}{h^2}\left[\frac{5}{3}-\frac{2}{3}e^{-(h-1)}\right] $。

ABSTRACT

We study in this short note aging properties of Sinai's (nearest neighbour) random walk in random environment. With $\PP^o$ denoting the annealed law of the RWRE $X_n$, our main result is a full proof of the following statement due to P. Le Doussal, C. Monthus and D. S. Fisher: $$\lim_{η o0} \lim_{n o\infty} \PP^o (\frac{|X_{n^h} - X_n|}{(\log n)^2} < η) = \frac{1}{h^2} [ {5/3} - {2/3} e^{-(h-1)} ]. $$

研究动机与目标

• 严格建立西乃随机环境中随机游走（RWRE）的衰老行为，其长期动力学表现出非马尔可夫性与衰老型相关性。
• 完整证明Le Doussal、Monthus与Fisher关于时间区间按 $ n^h $ 缩放下游走位移极限分布的猜想。
• 分析游走的退火律，并刻画其收敛于一个非标准极限的特性，该极限涉及布朗运动的极值统计。
• 定义并分析环境中对数随机游走的山谷结构，特别是包含原点且深度至少为1的最小山谷，以捕捉游走的局域化行为。
• 推导布朗运动的 hitting 时间与最大值的联合分布，以显式计算衰老相关函数。

提出的方法

• 使用RWRE的退火律 $ \mathbb{P}^o $，其定义为对所有quenched律 $ P_\omega^v $ 的平均，以研究长期行为。
• 采用重标度环境过程 $ W^n(t) = \frac{1}{\log n} \sum_{i=0}^{\lfloor (\log n)^2 t \rfloor} \log \rho_i \cdot \text{sign}(t) $，该过程弱收敛于两向布朗运动 $ \sigma_P B_t $。
• 在 $ W^n $ 中定义山谷 $ (a,b,c) $ 为满足 $ b $ 为最小值且 $ a,c $ 为端点最大值的区间，深度定义为 $ d_{(a,b,c)} = \min(W^n(a)-W^n(b), W^n(c)-W^n(b)) $。
• 构造包含0且深度 $ \geq 1 $ 的最小山谷 $ (\overline{a}^n, \overline{b}^n, \overline{c}^n) $，并进一步将其精炼，将 $ \overline{b}^n $ 定义为局域化的中心。
• 引入辅助随机变量 $ I_h, \Gamma(h), \tilde{H}_-(h), \hat{M}_-(h) $ 以模拟原点附近的游走行为，并计算 hitting 时间的分布。
• 应用标度与独立性论证，证明 $ \Gamma(h) $ 的分布为 $ \frac{1}{h}\delta_h + \frac{h-1}{h}U[1,h] $，从而实现衰老相关性的显式计算。

实验结果

研究问题

• RQ1 在形式为 $ [n, n^h] $ 的时间区间上，西乃RWRE的退火律的极限相关性结构是什么？
• RQ2 游走的位移 $ |X_{n^h} - X_n| $ 如何随 $ n $ 缩放，且其相对于 $ (\log n)^2 $ 较小的极限概率为何？
• RQ3 西乃模型中衰老相关函数的精确形式是什么？其与布朗运动极值统计有何关联？
• RQ4 布朗运动的 hitting 时间及其最大值如何贡献于游走在quenched环境中的位置分布？
• RQ5 能否通过路径分解与极值分析，严格推导出Le Doussal、Monthus与Fisher提出的衰老公式？

主要发现

• 本文证明了 $ \lim_{\eta\to 0}\lim_{n\to\infty} \mathbb{P}^o\left( \frac{|X_{n^h} - X_n|}{(\log n)^2} < \eta \right) = \frac{1}{h^2}\left[\frac{5}{3} - \frac{2}{3}e^{-(h-1)}\right] $，从而确认了衰老公式。
• 游走位移的极限分布由 $ \Gamma(h) $ 的分布决定，该分布为点质量在 $ h $ 处与 $ [1,h] $ 上均匀分布的混合。
• 推导出 hitting 时间 $ H_+(1) $ 与 $ H_+(t) $ 的联合分布，其密度依赖于 $ t $，从而可对衰老公式中的积分进行计算。
• 在布朗桥测度下，$ H_+(1) $ 的分布被证明为 $ [0,1] $ 上的均匀分布，这是证明 $ \Gamma(h) $ 分布的关键步骤。
• 证明依赖于马尔可夫性与 hitting 概率的指数衰减，建立了 $ \mathcal{Q}(W_+(1) \leq -x) = e^{-x} $，该结果支撑了引理2.20。
• 收敛性 $ \lim_{\delta\to 0}\lim_{J\to\infty}\lim_{n\to\infty} P(A_n^{J,\delta}) = 1 $ 确保了最小山谷结构以高概率正确捕捉了局域化行为。