[论文解读] Metastable behavior of weakly mixing Markov chains: the case of reversible, critical zero-range processes

Cláudio Landim, Diego Marcondes+1 more|arXiv (Cornell University)|Jun 7, 2020

Stochastic processes and statistical mechanics参考文献 11被引用 5

一句话总结

本文提出一种通用方法，通过求解再生方程来分析弱混合马尔可夫链中的亚稳态行为，即使在传统混合条件不成立时也适用。该方法应用于临界零-range过程（α=1）时，表明凝聚态位点在时间尺度 $N^2 "log N$ 上表现为状态空间 S 上的随机游走，其转移速率与底层随机游走的容量成正比。

ABSTRACT

We present a general method to derive the metastable behavior of weakly mixing Markov chains. This approach is based on properties of the resolvent equations and can be applied to metastable dynamics which do not satisfy the mixing conditions required in Beltrán and Landim (2010,2012) or in Landim et. al. (2020). As an application, we study the metastable behavior of critical zero-range processes. Let $r: S imes S o \bb R_+$ be the jump rates of an irreducible random walk on a finite set $S$, reversible with respect to the uniform measure. For $α>0$, let $g: \bb N o \bb R_+$ be given by $g(0)=0$, $g(1)=1$, $g(k) = [k/(k-1)]^α$, $k\ge 2$. Consider a zero-range process on $S$ in which a particle jumps from a site $x$, occupied by $k$ particles, to a site $y$ at rate $g(k) r(x,y)$. For $α\ge 1$, in the stationary state, as the total number of particles, represented by $N$, tends to infinity, all particles but a negligible number accumulate at one single site. This phenomenon is called condensation. Since condensation occurs if and only if $α\ge 1$, we call the case $α=1$ critical. By applying the general method established in the first part of the article to the critical case, we show that the site which concentrates almost all particles evolves in the time-scale $N^2 \log N$ as a random walk on $S$ whose transition rates are proportional to the capacities of the underlying random walk.

研究动机与目标

• 建立一个通用框架，用于分析标准混合条件不成立时弱混合马尔可夫链中的亚稳态行为。
• 研究临界参数 α=1 时零-range过程的亚稳态动力学，此时发生凝聚，但先前方法未能完全刻画其特性。
• 确定有限集合 S 上临界零-range过程中凝聚态位点的时间尺度和极限动力学。
• 推导凝聚态的极限演化过程，其为 S 上的连续时间随机游走，转移速率由底层随机游走的容量决定。

提出的方法

• 基于求解弱混合马尔可夫链的再生方程，发展一种通用方法，避免依赖强混合假设。
• 引入一种类似李雅普诺夫的函数 $F_m = \sum_{\ell=2}^m \frac{1}{\ell} h_\ell^{1/2}$ 以分析亚稳态动力学，其中 $h_\ell$ 是与粒子浓度相关的校准函数。
• 对生成元 $\mathscr{A}_N$ 应用 $h_\ell^{1/2}$ 的二阶泰勒展开，通过粒子计数和容量估计推导出边界。
• 应用 Efron-Stein 不等式和容量估计，控制波动并确保在亚稳态区域中 $F_m$ 的漂移为负。
• 将状态空间分解为亚稳态集 $\mathcal{U}_{N}^{x_0}$ 和边界集 $\partial \mathcal{D}_\ell$，以将分析聚焦于凝聚态配置附近。
• 依赖于底层随机游走关于均匀测度的可逆性，推导基于容量的转移速率。

实验结果

研究问题

• RQ1 当标准混合条件不成立时，如何严格分析弱混合马尔可夫链中的亚稳态行为？
• RQ2 在临界零-range过程（α=1）中，凝聚态位点的时间尺度和极限动力学是什么？
• RQ3 凝聚态运动的转移速率如何与底层随机游走的容量相关联？
• RQ4 再生方程方法在捕捉弱混合系统中亚稳态跃迁方面起到什么作用？
• RQ5 凝聚态的运动能否被描述为状态空间 S 上的连续时间马尔可夫链？若是，其转移速率是什么？

主要发现

• 在临界零-range过程（α=1）中，凝聚态在时间尺度 $N^2 \log N$ 上演化，该尺度慢于超临界区域中观察到的 $N^2$ 尺度。
• 凝聚态位点的极限运动是 S 上的连续时间随机游走，其转移速率与底层随机游走的容量成正比。
• 通过李雅普诺夫函数分析推导出极限过程的生成元，显示在亚稳态集中漂移为负，从而证实了亚稳态行为。
• 该方法适用于不具备强混合性质的系统，扩展了以往依赖更强遍历性或混合条件的研究结果。
• 当 α=1 时，平稳测度集中在几乎所有粒子（除 $\ell_N$ 个外）聚集于单一位点的配置上，其中 $\ell_N \to \infty$ 且 $\ell_N/N \to 0$。
• 在 $\ell_N$ 的附加假设下，建立了 $\mu_N(\mathcal{E}_N^x) \to 1/|S|$，证实了在平衡状态下各站点间凝聚的对称性。