[论文解读] Diagonal Ramsey via effective quasirandomness

Ashwin Sah|arXiv (Cornell University)|May 19, 2020

Limits and Structures in Graph Theory被引用 6

一句话总结

本文通过在归纳框架内开发最优有效准随机性工具，将对角Ramsey数的上界改进为 $ R(k+1,k+1) \leq \exp(-c(\log k)^2)\binom{2k}{k} $，扩展了Thomason和Conlon的前期工作。关键贡献是在此准随机性范式下实现了最佳可能的上界，代表了该方法的自然极限。

ABSTRACT

We improve the upper bound for diagonal Ramsey numbers to \[R(k+1,k+1)\le\exp(-c(\log k)^2)\binom{2k}{k}\] for $k\ge 3$. To do so, we build on a quasirandomness and induction framework for Ramsey numbers introduced by Thomason and extended by Conlon, demonstrating optimal "effective quasirandomness" results about convergence of graphs. This optimality represents a natural barrier to improvement.

研究动机与目标

• 在准随机性框架基础上，将对角Ramsey数 $ R(k+1,k+1) $ 的上界改进至现有结果之上。
• 为图密度（特别是大小为 $ r $ 的团和独立集）开发最优有效准随机性估计。
• 证明当前基于准随机性的方法已达到其自然极限，确立了该方法进一步改进的障碍。
• 通过加强对具有指定度和子图约束的图中 $ H $-密度的控制，扩展Thomason和Conlon的归纳框架。

提出的方法

• 本文提出了一种基于准随机性的精细化归纳框架，通过度序列和高阶密度估计来控制Ramsey图中 $ r $-团和独立集的数量。
• 定义了一个函数 $ \alpha(k,\ell) $，用于界定 $ R(k+1,\ell+1) \leq \alpha(k,\ell)\binom{k+\ell}{k} $，并证明其光滑性和衰减性质，以实现归纳控制。
• 该方法利用Goodman公式将三角形计数与度序列关联，并通过引入显式误差界，将此关系扩展至更高阶子图，基于准随机性条件。
• 引入函数 $ \rho_{r,\varepsilon}(x) $ 以量化准随机性偏差，从而精确控制 $ r $-团和独立集的 $ H $-密度。
• 证明依赖于对 $ \alpha(k,\ell) $ 的 $ \beta, \gamma $-光滑性条件，确保在归纳假设下度和子图计数约束得以满足。
• 通过在 $ r $ 上进行优化，该方法得出最终上界，选择 $ r = \varepsilon^3 \log k / (64C_\varepsilon) $，以最小化指数衰减因子。

实验结果

研究问题

• RQ1 基于准随机性的对角Ramsey数上界能否在Conlon建立的 $ k^{-c\log k / \log\log k} $ 因子基础上进一步改进？
• RQ2 在Thomason发起的准随机性归纳框架下，$ R(k+1,k+1) $ 的最优可实现衰减率是多少？
• RQ3 有效准随机性工具在控制更大 $ r $ 的 $ H $-密度方面能有多大的效力？这是否导致当前方法的自然障碍？
• RQ4 该框架能否扩展至处理当 $ \ell/k \in [\varepsilon,1] $ 时的非对称Ramsey数 $ R(k+1,\ell+1) $，并得到相应的衰减率？

主要发现

• 本文证明了对所有 $ k \geq 3 $，存在绝对常数 $ c > 0 $，使得 $ R(k+1,k+1) \leq \exp(-c(\log k)^2)\binom{2k}{k} $，优于Conlon的上界。
• 当 $ \ell/k \in [\varepsilon,1] $ 时，该上界可扩展为 $ R(k+1,\ell+1) \leq \exp(-c_\varepsilon(\log k)^2)\binom{k+\ell}{k} $，其中 $ c_\varepsilon > 0 $ 依赖于 $ \varepsilon $。
• 在准随机性框架内，衰减率 $ \exp(-c(\log k)^2) $ 被证明为最优，代表了该方法进一步改进的自然障碍。
• 通过引入新的准随机性函数 $ \rho_{r,\varepsilon}(x) $ 并证明其光滑性和衰减性质，该方法实现了对 $ r $-团和独立集密度的最优控制。
• 证明依赖于一种新颖的归纳步骤，利用 $ \alpha(k,\ell) $ 的 $ \beta, \gamma $-光滑性，其中 $ |\beta| + |\gamma| \leq r(\log k)^2 / k $，确保迭代过程的一致性。
• 通过选择 $ r = \varepsilon^3 \log k / (64C_\varepsilon) $，该方法在指数衰减与多项式因子之间取得平衡，从而实现最优指数的最终上界。