[论文解读] Curvature from Graph Colorings

Oliver Knill|arXiv (Cornell University)|Oct 5, 2014

Advanced Graph Theory Research参考文献 24被引用 15

一句话总结

本文证明了通过图着色的指标期望定义的有限简单图的曲率 $ K(x) $ 满足离散高斯-博内定理 $ \sum_x K(x) = \chi(G) $。它证明了对所有适当的 $ c $-着色（$ c $ 为色数）平均 Poincaré-Hopf 指标 $ i_f(x) $ 可得曲率 $ K(x) $，从而在离散几何中为曲率提供了概率性和组合性的解释。

ABSTRACT

Given a finite simple graph G=(V,E) with chromatic number c and chromatic polynomial C(x). Every vertex graph coloring f of G defines an index i_f(x) satisfying the Poincare-Hopf theorem sum_x i_f(x)=chi(G). As a variant to the index expectation result we prove that E[i_f(x)] is equal to curvature K(x) satisfying Gauss-Bonnet sum_x K(x) = χ(G), where the expectation is the average over the finite probability space containing the C(c) possible colorings with c colors, for which each coloring has the same probability.

研究动机与目标

• 通过图着色建立有限简单图中曲率的概率性与组合性解释。
• 证明所有适当 $ c $-着色下 Poincaré-Hopf 指标的期望等于曲率函数 $ K(x) $。
• 通过证明曲率是着色有限概率空间上指标期望，将离散曲率与积分几何统一起来。
• 将指标期望原理从连续函数空间推广到有限着色空间，同时保持高斯-博内公式不变。

提出的方法

• 对每个顶点 $ x $，定义指标 $ i_f(x) = 1 - \chi(S_f^-(x)) $，其中 $ S_f^-(x) $ 是由满足 $ f(y) < f(x) $ 的邻点 $ y \in S(x) $ 诱导的子图。
• 考虑图的所有适当 $ c $-着色构成的有限概率空间，每种着色的概率均为 $ 1/C(c) $，其中 $ C(c) $ 是色多项式在 $ c $ 处的取值。
• 计算该空间上的期望 $ \mathbb{E}[i_f(x)] $，并证明其等于曲率 $ K(x) $。
• 利用广义握手引理 $ \sum_x V_{k-1}(x) = (k+1)v_k $ 将顶点级别的曲率与全局欧拉示性数联系起来。
• 利用 Poincaré-Hopf 定理 $ \sum_x i_f(x) = \chi(G) $（适用于单射函数），并通过归纳法将其推广到局部单射函数。
• 应用积分几何时原理，特别是“交换求和顺序”技巧，将指标期望与曲率等同起来。

实验结果

研究问题

• RQ1 是否可以将有限简单图中的曲率定义为在图着色的有限空间上 Poincaré-Hopf 指标的期望？
• RQ2 这种基于期望的曲率是否满足离散高斯-博内公式 $ \sum_x K(x) = \chi(G) $？
• RQ3 通过着色导出的曲率与在单位球面上通过 $ K_{k+1} $ 子图叠加定义的曲率相比如何？
• RQ4 当在着色上取平均时，奇维几何图的曲率函数 $ K(x) $ 是否恒为零？
• RQ5 能否通过在环境空间中对线性函数取平均来近似光滑流形的黎曼曲率，且该方法是否可推广至图着色？

主要发现

• 所有适当 $ c $-着色下 Poincaré-Hopf 指标 $ i_f(x) $ 的期望等于曲率 $ K(x) $，且满足 $ \sum_x K(x) = \chi(G) $。
• 对于色数 $ c=4 $ 的图，概率空间包含 $ C(4) = 72 $ 种适当着色，曲率是这 72 个指标函数的平均值。
• 对于欧拉示性数 $ \chi = 0 $ 的特定图，其曲率向量为 $ (-1/4, -1/4, 1/4, 1/6, -5/12, 1/12, 0, 1/6, 1/6, 1/12) $，其和为零，符合要求。
• 对于奇维几何图，曲率 $ K(x) $ 在着色平均下恒为零，与积分几何时已知结果及对称指标 $ j_f(x) $ 一致。
• 该方法提供了一种离散积分几何时的类比，其中曲率是离散化指标的期望，类似于连续情形。
• 该方法提供了一种仅依赖有限组合数据的‘蒙特卡洛’方法来计算曲率，无需张量分析或光滑结构。