[論文レビュー] Minimal contagious sets in random regular graphs

Alberto Guggiola, Guilhem Semerjian|HAL (Le Centre pour la Communication Scientifique Directe)|Jul 28, 2014

Stochastic processes and statistical mechanics被引用数 5

ひとこと要約

この論文は統計力学のキャビティ法を用いて、閾値動的特性を有するブートストラップパーコレーションに注目し、ランダム正則グラフにおける最小伝染的集合を調査する。5-正則グラフで閾値が3の場合、全グラフを活性化させるために初期に活性な頂点を全体の1/6のみにすれば十分であり、6-正則グラフで閾値が4の場合には1/4で十分であると予想する。これはランダムネットワークにおける最小シーディング集合の正確な予測を提供する。

ABSTRACT

The bootstrap percolation (or threshold model) is a dynamic process modelling the propagation of an epidemic on a graph, where inactive vertices become active if their number of active neighbours reach some threshold. We study an optimization problem related to it, namely the determination of the minimal number of active sites in an initial configuration that leads to the activation of the whole graph under this dynamics, with and without a constraint on the time needed for the complete activation. This problem encompasses in special cases many extremal characteristics of graphs like their independence, decycling or domination number, and can also be seen as a packing problem of repulsive particles. We use the cavity method (including the effects of replica symmetry breaking), an heuristic technique of statistical mechanics many predictions of which have been confirmed rigorously in the recent years. We have obtained in this way several quantitative conjectures on the size of minimal contagious sets in large random regular graphs, the most striking being that 5-regular random graph with a threshold of activation of 3 (resp. 6-regular with threshold 4) have contagious sets containing a fraction 1/6 (resp. 1/4) of the total number of vertices. Equivalently these numbers are the minimal fraction of vertices that have to be removed from a 5-regular (resp. 6-regular) random graph to destroy its 3-core. We also investigated Survey Propagation like algorithmic procedures for solving this optimization problem on single instances of random regular graphs.

研究の動機と目的

• ランダム正則グラフにおけるブートストラップパーコレーション動的特性下で、全グラフを活性化させるために必要な初期活性頂点の最小数を特定すること。
• 制約なしおよび時間制約ありの両方の活性化シナリオにおいて、問題を分析すること。
• 問題を反発的粒子のパッキングとしてモデル化し、独立数、支配数、デサイクリング数といったグラフ不変量と関連付けること。
• 有限インスタンスにおける最適化問題を解くための、サーベイプロパゲーションに基づくアルゴリズム的手順を開発すること。
• 統計力学的手法を用いて、大規模なランダム正則グラフにおける最小伝染的集合のサイズについての定量的予想を提示すること。

提案手法

• ランダム正則グラフ上のブートストラップパーコレーション過程を分析するために、キャビティ法（複数対称性の破れを含む）を適用する。
• 生成関数とスケーリング極限を用いて、活性化ダイナミクスの時間発展を特徴付ける。
• 各時刻における活性頂点の割合を記述するスケーリング関数 u(s) と v(s) の自己無撞着方程式を導出する。
• エントロピーおよびエネルギー関数のパラメトリック表現を用いて、自由エネルギーおよび活性化時間分布を計算する。
• 大時間極限における漸近的解析を実施し、初期活性サイトの最小割合の正確な式を得る。
• 最適化問題を解くための、サーベイプロパゲーションを模倣したアルゴリズムを開発する。

実験結果

リサーチクエスチョン

• RQ1 ランダム k-正則グラフで閾値が l のとき、全グラフを活性化させるために必要な初期活性頂点の最小割合は何か？
• RQ2 全活性化までの時間は、最小伝染的集合のサイズにどのように影響するか？
• RQ3 最小伝染的集合と、独立数、支配数、デサイクリング数といった古典的グラフパラメータとの関係は何か？
• RQ4 複数対称性の破れを伴うキャビティ法は、大規模なランダムグラフにおける最小伝染的集合のサイズを予測するためにどのように利用できるか？
• RQ5 サーベイプロパゲーションに類似したアルゴリズムは、ランダム正則グラフの有限実現において、小さな伝染的集合を効率的に見つけられるか？

主な発見

• 5-正則ランダムグラフで閾値が3の場合、最小伝染的集合は頂点全体の正確に1/6を含むと予想される。
• 6-正則ランダムグラフで閾値が4の場合、最小伝染的集合は頂点全体の正確に1/4を含むと予想される。
• これらの値は、5-正則グラフにおける3コアを破壊するために除去すべき頂点の最小割合、および6-正則グラフにおける4コアを破壊するために除去すべき頂点の最小割合に対応する。
• キャビティ法は、活性化ダイナミクスにおける相転移を予測し、初期および遅い活性化時間の異なる領域を示す。
• エントロピーおよびエネルギー関数のパラメトリック表現を用いて、活性化時間の分布が導出され、プロセスの初期および終盤に少数の頂点が活性化することが示された。
• サーベイプロパゲーションに基づくアルゴリズムが提案され、ランダム正則グラフの有限インスタンスにおいて小さな伝染的集合を効果的に見つけることができることを示した。