[논문 리뷰] Nonlinear Large Deviations: Beyond the Hypercube

Jun Yan|arXiv (Cornell University)|2017. 03. 27.

Limits and Structures in Graph Theory참고 문헌 15인용 수 4

한 줄 요약

이 논문은 초입방체를 초월하여 바나흐 공간의 컴act 부분집합에 지지된 독립적인 랜덤 변수의 비선형 함수에 대한 대 deviations 이론을 확장한다. 이는 바나흐 공간의 컴act 부분집합에 지지된 독립적인 랜덤 변수의 비선형 함수에 대한 대 deviations 이론을 개발한다. 이론은 로그 모멘트 생성 함수의 평균장 근사에 대한 오차 한계를 제공하며, 이는 기울기의 커버링 수와 첫 번째 및 두 번째 프레셰 도함수의 노름에 의존한다. 이를 통해 연속적이고 고차원적인 분포, 예를 들어 벡터 스핀 모델과 연속된 모서리 가중치를 가진 무작위 그래프에의 응용이 가능해진다.

ABSTRACT

We present a framework to calculate large deviations for nonlinear functions of independent random variables supported on compact sets in Banach spaces, by extending the result in Chatterjee and Dembo [6]. Previous research on nonlinear large deviations has only focused on random variables supported on $\{-1,+1\}^{n}$, a small subset of random objects people usually study, thus it is of natural interest and need to research the corresponding theory for random variables with general distributions. Since our results put fewer constraints on the random variables, it has considerable flexibility in application. To show this, we provide examples with continuous and high dimensional random variables. Our framework could also be used to verify the mathematical rigor of the mean field approximation method; to demonstrate, we verify the mean field approximation for a class of spin vector models.

연구 동기 및 목표

• 초입방체 위의 베르누이 변수에서 Chatterjee와 Dembo의 비선형 대 deviations 프레임워크를 바나흐 공간의 컴act 부분집합에 지지된 일반적인 독립적인 랜덤 변수로 일반화한다.
• 기울기의 커버링 수와 프레셰 도함수의 노름에 기반하여, log𝔼_μ[exp(f(X₁,…,Xₙ))]의 평균장 근사에 대한 오차 한계를 수립한다.
• 이전 방법이 실패하는 연속적이고 고차원적이며 비 i.i.d. 랜덤 변수에 대한 응용을 가능하게 한다.
• 이전 결과를 넘어서 더 넓은 범주에 걸쳐 일반 분포를 가진 벡터 스핀 모델에 대해 평균장 근사를 엄밀히 검증한다.
• 연속된 모서리 가중치를 가진 밀도 높은 무작위 그래프에서 단색 부분그래프 수와 삼각형 수를 포함한 예시를 통해 프레임워크의 유연성을 보여준다.

제안 방법

• Chatterjee와 Dembo [5]의 접근법을 일반 바나흐 공간에 값이 있는 랜덤 변수로 일반화하여, 초입방체에 특화된 계산을 일반 기하학적 및 함수해석학적 추론으로 대체한다.
• 지배적 원리(Gibbs variational principle)를 사용하여 로그 모멘트 생성 함수를 측도 위의 최대값으로 표현하고, 이를 제품 측도를 통해 평균장 근사를 도출한다.
• 함수 f의 기울기 ∇f의 커버링 수와 f의 첫 번째 및 두 번째 프레셰 도함수의 연산자 노름을 사용하여 평균장 근사의 오차 한계를 유도한다.
• 조건부 기대값과 커플링 기법을 포함하는 변형 기법을 사용하여 오차 항을 제어하고, 적절한 정규성 및 복잡성 조건 하에 이들이 o(n²)임을 보인다.
• 오차 항이 주요 항에 비해 渐진적으로 무시할 만큼 작다는 것을 확인함으로써 특정 모델에 이 프레임워크를 적용한다.
• 함수 f의 복잡성은 이산 기울기와 그 커버링 수를 사용하여 측정하며, 이는 [5]의 접근법을 연속적이고 고차원적 환경으로 일반화한다.

실험 결과

연구 질문

• RQ1 Chatterjee와 Dembo의 비선형 대 deviations 프레임워크는 초입방체를 넘어서 바나흐 공간의 컴act 지지된 일반적인 랜덤 변수로 확장될 수 있는가?
• RQ2 Xᵢ가 독립적이지만 반드시 i.i.d. 또는 이산적이지 않은 경우, log𝔼_μ[exp(f(X₁,…,Xₙ))]의 평균장 근사에 대한 오차 한계는 어떻게 유도할 수 있는가?
• RQ3 평균장 근사의 오차 항이 주요 항에 비해 渐진적으로 무시할 수 있을 정도로 작아지기 위한 조건은 무엇인가?
• RQ4 이 프레임워크는 연속적이고 고차원적인 랜덤 변수, 예를 들어 연속된 모서리 가중치를 가진 무작위 그래프에 적용될 수 있는가?
• RQ5 일반 분포를 가진 벡터 스핀 모델에 대해 평균장 근사는 어느 정도 엄밀하게 정당화될 수 있는가?

주요 결과

• 논문은 바나흐 공간의 컴act 부분집합에 지지된 제품 측도 μ에 대해 log𝔼_μ[exp(f(X₁,…,Xₙ))]의 일반적 오차 한계를 수립한다. 오차는 ∇f의 커버링 수와 첫 번째 및 두 번째 프레셰 도함수의 노름에 의존한다.
• 이 프레임워크는 비 i.i.d., 연속적, 고차원적 랜덤 변수에 적용 가능하며, 지지의 차원이 n에 따라 증가하는 경우에도 이전 방법으로는 접근이 어려웠던 설정에 적용 가능하다.
• 평균장 근사의 오차 항이 적절한 정규성 및 복잡성 조건 하에 주요 항에 비해 o(n²)임이 입증되었으며, 이는 무시할 만큼 작다.
• 이전에 불가능했던 더 넓은 범주에 걸쳐 일반 분포를 가진 벡터 스핀 모델에 대해 평균장 근사를 성공적으로 검증하였으며, Basak와 Mukherjee [2]의 결과를 확장한다.
• 이 프레임워크를 통해 연속된 모서리 가중치를 가진 완전 그래프에서 단색 부분그래프 수와 밀도 높은 무작위 그래프에서 삼각형 수에 대한 대 deviations 비율 함수를 명시적으로 계산할 수 있다.
• 증명 기법은 [5]의 초입방체 기반 추론을 바나흐 공간으로 일반화하여 이산 대칭성을 연속적인 함수해석학적 도구, 예를 들어 프레셰 도함수와 기울기의 커버링 수로 대체한다.