[论文解读] Graph Limit for Interacting Particle Systems on Weighted Random Graphs

Nathalie Ayi, Nastassia Pouradier Duteil|arXiv (Cornell University)|Jul 24, 2023

Complex Network Analysis Techniques被引用 5

一句话总结

本文通过引入加权网络的广义图函数（generalized graphon）框架，建立了加权随机图上相互作用粒子系统的大群体极限。证明了当粒子数 N→∞ 时，系统以概率收敛于一个确定性的图极限方程，其中相互作用核由加权随机图律的一阶矩给出，将经典的图函数极限推广至加权、随机网络。

ABSTRACT

In this article, we study the large-population limit of interacting particle systems posed on weighted random graphs. In that aim, we introduce a general framework for the construction of weighted random graphs, generalizing the concept of graphons. We prove that as the number of particles tends to infinity, the finite-dimensional particle system converges in probability to the solution of a deterministic graph-limit equation, in which the graphon prescribing the interaction is given by the first moment of the weighted random graph law. We also study interacting particle systems posed on switching weighted random graphs, which are obtained by resetting the weighted random graph at regular time intervals. We show that these systems converge to the same graph-limit equation, in which the interaction is prescribed by a constant-in-time graphon.

研究动机与目标

• 开发一种构建加权随机图的一般性框架，将经典图函数推广至允许非二值、连续边权的场景。
• 分析在具有随机边权的此类加权随机图上演化之相互作用粒子系统的 N→∞ 极限。
• 证明尽管底层图具有随机性，当 N→∞ 时，系统仍以概率收敛至确定性的图极限方程。
• 将分析扩展至切换加权随机图（即网络在固定时间间隔内重置），并证明其收敛至与非切换情形相同的确定性极限。
• 建立粒子系统在连续图函数上的收敛性，其图函数由边权分布的一阶矩导出，并满足非线性热方程形式。

提出的方法

• 引入使用一族概率核 $ q(x_i; x_j; dw) $ 构造加权随机图的一般方法，该核定义了节点 i 与 j 之间边权的分布，推广了经典图函数中的二值边概率。
• 通过随机常微分方程建模粒子系统：$ \frac{d}{dt}u_i^N(t) = \frac{1}{N}\sum_{j=1}^N \xi_{ij} D(u_j^N(t) - u_i^N(t)) $，其中 $ \xi_{ij} $ 是从核 $ q $ 独立同分布抽取的边权。
• 推导图极限方程 $ \partial_t u(t,x) = \int_I W(x,y) D(u(t,y) - u(t,x)) \, dy $，其中 $ W(x,y) = \mathbb{E}[\xi_{ij} \mid x_i = x, x_j = y] $，即边权分布的一阶矩。
• 利用集中不等式（Bienaymé-Chebyshev）和矩界控制相互作用经验平均的波动，证明以概率收敛。
• 通过分解四阶矩并利用边权的统一可积性与矩条件，分析相互作用项的方差。
• 考虑通过在固定时间间隔重置图的切换加权随机图，证明其极限与非切换情形相同，此时图函数为时间常数。

实验结果

研究问题

• RQ1 当相互作用网络为具有通用边权分布的加权随机图时，相互作用粒子系统的大型群体极限行为如何？
• RQ2 图函数框架能否推广至加权随机图？边权分布的一阶矩在极限中起何作用？
• RQ3 当底层加权随机图周期性重置（即切换图）时，系统是否收敛至相同的确定性图极限方程？
• RQ4 为确保粒子系统以概率收敛至图极限方程，边权需满足何种矩条件？
• RQ5 当 N→∞ 时，相互作用项的波动行为如何？能否通过概率集中技术进行控制？

主要发现

• 即使底层图是随机且加权的，粒子系统在 $ N \to \infty $ 时仍以概率收敛至确定性图极限方程的解。
• 极限相互作用核为边权分布的一阶矩，即 $ W(x,y) = \mathbb{E}[\xi_{ij} \mid x_i = x, x_j = y] $，将经典图函数极限推广至加权网络。
• 对于在固定时间间隔重置的切换加权随机图，系统仍收敛至相同的确定性图极限方程，且图函数为时间常数。
• 相互作用项的方差在 N 上一致有界，满足 $ \mathbb{V}[(\tilde{Y}_i^N)^2] \leq 3K^4M^4 $（当 N 较大时），确保波动项的紧致性。
• 波动项的四阶矩满足 $ \mathbb{E}[(\tilde{Y}_i^N)^4] = 3(\sigma_i^N)^4 + O(N^{-1}) $，其衰减行为适当，可保证以概率收敛。
• 通过矩界与 Bienaymé-Chebyshev 不等式建立收敛性，表明随着 $ N \to \infty $，相互作用的经验平均值在均值附近集中。