[논문 리뷰] Dynamic redundancy and mortality in stochastic search

Samantha Linn, Aanjaneya Kumar|arXiv (Cornell University)|2026. 01. 11.

Diffusion and Search Dynamics인용 수 0

한 줄 요약

이 논문은 동적 중복성과 사망률(DRM)이라는 일반 프레임워크를 개발하고, 지속적인 모집과 사망이 있는 확률적 검색을 다루며, 정확한 최초 도달 시간 통계치를 도출하고, DRM을 확률적 재설정과 비교하며, 1차원 Brownian 케이스를 자세히 다룬다.

ABSTRACT

Search processes are a fundamental part of natural and artificial systems. In such settings, the number of searchers is rarely constant: new agents may be recruited while others can abandon the search. Despite the ubiquity of these dynamics, their combined influence on search efficiency remains unexplored. Here we present a general framework for stochastic search in which independent agents progressively join and leave the process, a mechanism we term dynamic redundancy and mortality (DRM). Under minimal assumptions on the underlying search dynamics, this framework yields exact first-passage time statistics. It further reveals surprising connections to stochastic resetting, including a regime in which the resetting mean first-passage time emerges as a universal lower bound for DRM, as well as regimes in which DRM search is faster. We illustrate our results through a detailed analysis of one-dimensional Brownian DRM search. Altogether, this work provides a rigorous foundation for studying first-passage processes with a fluctuating number of searchers, with direct relevance across physical, biological, and algorithmic systems.

연구 동기 및 목표

• 모집과 사망으로 검색자 개체군이 변동하는 확률적 탐색 시나리오를 동기화한다.
• DRM 프레임워크를 도입하고 최소 가정 하에서 정확한 최초 도달 시간 통계를 확인한다.
• DRM 생존 확률을 단일 탐색자 통계의 관점에서 표현하고 보편적 MFPT 경계를 도출한다.
• DRM을 확률적 재설정보다 연결하고 DRM이 재설정보다 성능이 우수한 영역을 식별한다.
• 이론을 설명하기 위해 1차원 Brownian DRM 탐색에 대한 상세한 분석을 제공한다.

제안 방법

• DRM 생존 확률 S_{λ,μ}(t)를 정의하고 S_{0,μ}(t)과 S_{λ,μ}(t) 관계를 S_{λ,μ}(t) = S_{0,μ}(t) exp{−λ ∫_0^t [1−S_{0,μ}(t')] dt'}와 관련시킨다.
• S_{0,μ}(t)를 단일 탐색자 FPT 밀도 P(τ=t)으로 표현하여 S_{0,μ}(t) = 1 − ∫_0^t e^{−μ t'} P(τ=t') dt'이다.
• S_{λ,μ}(t)로부터 평균 최초 도달 시간 E[T_{λ,μ}]를 얻어 E[T_{λ,μ}] = ∫_0^∞ S_{λ,μ}(t) dt이다.
• 단일 탐색자 μ에 대한 p_{μ} = ∫_0^∞ e^{−μ t} P(τ=t) dt로 표현되는 μ 및 λ에 대한 보편적 경계를 도출하여 하한 및 상한을 제시한다.
• 특히 균형 DRM(λ=μ)이 재설정 MFPT의 보편적 하한을 갖는 등 확률적 재설정과의 연결성을 보인다.
• 1D Brownian motion에 특수화하여 명시적 형태와 최적 turnover 효과를 보여준다.

실험 결과

연구 질문

• RQ1 DRM에서 탐색자들이 동적으로 합류하고 떠나는 동안 생존 확률 S_{λ,μ}(t)와 MFPT E[T_{λ,μ}]이 어떻게 되는가?
• RQ2 DRM MFPT를 제약하는 보편적 경계는 무엇이며, 단일 탐색자 mortality 비율 μ 및 모집 λ에 어떻게 의존하는가?
• RQ3 DRM은 특히 균형 경우 λ=μ 및 높은 turnover 영역에서 확률적 재설정보와 어떻게 비교되는가?
• RQ4 1차원 Brownian 운동 하에서 DRM에 대해 어떤 구체적 경계와 최적 매개변수 체계가 나타나는가?

주요 결과

• DRM은 단일 사망자 탐색자 통계의 관점으로 생존 확률의 정확한 표현을 제공한다: S_{λ,μ}(t) = S_{0,μ}(t) exp{−λ ∫_0^t (1−S_{0,μ}(t′)) dt′}.
• DRM 아래 MFPT는 모든 양의 λ 및 μ에서 유한하며 보편적 경계를 만족한다: (1−p_{μ})/(λ p_{μ}) ≤ E[T_{λ,μ}] ≤ (1−p_{μ})/(λ p_{μ}) − ∂_{μ} log p_{μ}, 여기서 p_{μ} = ∫_0^∞ e^{−μ t} P(τ=t) dt.
• 균형 경우(λ = μ)에서 확률적 재설정은 DRM MFPT의 보편적 하한을 제공한다.
• 모집이 사망을 지배하는 경우(충분한 turnover) DRM은 재설정보다 성능을 낼 수 있으며, 1D Brownian 케이스에서 DRM MFPT가 재설정 MFPT보다 작은 영역이 있음이 명시적으로 나타난다.
• Brownian 1D에서 명시적 경계 예들(x0, D, √μ)를 포함한 turnover 최적화가 존재하며 DRM-재설정 영역을 구분하는 위상 다이어그램이 제시된다.
• 이 프레임워크는 거시적 규모의 재설정과 DRM 간 연결을 보여주는 한편, FPT 통계에서 개별 궤적의 차이를 드러낸다.