[论文解读] Probability of a single current

Sylvain Prolhac|arXiv (Cornell University)|Aug 22, 2023

Fault Detection and Control SystemsEngineering被引用 3

一句话总结

本文提出了一种黎曼曲面方法，用于计算具有 Ω ≥ 3 个状态的一般马尔可夫过程中两个状态之间电流的时间依赖概率，表明其谱曲线构成一个亏格 g = Ω−1 的双全纯黎曼曲面。在平稳初始条件下，概率以包含一个全纯微分的围线积分形式表示，该微分的极点和零点已完全刻画，可逆过程有显式结果，而在不可逆情况下，g 个常数 cℓ 发挥了新作用。

ABSTRACT

The Riemann surface associated with counting the current between two states of an underlying Markov process is hyperelliptic. We explore the consequences of this property for the time-dependent probability of that current for Markov processes with generic transition rates. When the system is prepared in its stationary state, the relevant meromorphic differential is in particular fully characterized by the precise identification of all its poles and zeroes.

研究动机与目标

• 将已知的马尔可夫过程中电流概率的围线积分公式从亏格 0 情况推广到非平凡的双全纯黎曼曲面（亏格 g ≥ 2）。
• 刻画时间依赖电流概率围线积分公式中全纯微分的结构，特别是确定在平稳初始条件下其所有极点和零点。
• 确定该微分的 g = Ω−1 个未知非平凡零点的作用，这些零点在两个状态之间的电流对应的黎曼曲面上被显式定位。
• 在可逆情况下推导出电流概率的简化实积分表达式，并在不可逆情况下识别出 g 个常数 cℓ 的必要性。
• 通过三状态模型和一维随机游走的显式计算验证该形式体系，确认 cℓ 的存在对于保证被积函数在黎曼曲面上全纯的必要性。

提出的方法

• 构造马尔可夫过程的形变生成元 M(g)，并分析其谱曲线 det(λId − M(g)) = 0，该曲线定义了一个亏格 g = Ω−1 的双全纯黎曼曲面 R。
• 将黎曼曲面 R 识别为黎曼球面的二重覆盖，分支点为 2Ω 个点，分支割线对应于一个 2Ω 次多项式 Δ(λ) 的平方根。
• 将电流 Qt 的时间依赖概率表示为在 R 上的围线积分，使用一个全纯微分，其被积函数涉及依赖于特征向量和初始条件的函数 N。
• 在平稳初始条件下，已知极点和零点被固定，剩余 2g 个非平凡零点待确定，这些零点通过引理 3 和 4 在 R 上显式定位。
• 在可逆情况下，利用两叶之间的对称性，推导出概率的简化实积分公式（54），避免显式围线积分。
• 在不可逆情况下，推导出一个涉及 g 个常数 cℓ 的隐式表达式（62），这些常数必须被确定以保证被积函数在 R 上全纯，并通过一维随机游走模型的显式计算验证其必要性。

实验结果

研究问题

• RQ1 与形变生成元相关的黎曼曲面的亏格 g ≥ 2 如何影响马尔可夫过程中电流的时间依赖概率？
• RQ2 在围线积分公式中，电流概率的全纯微分的结构是什么？在平稳初始条件下，其极点和零点如何确定？
• RQ3 当马尔可夫过程可逆时，电流概率能否表示为简化实积分形式？在不可逆情况下，g 个常数 cℓ 的作用是什么？
• RQ4 被积函数的全纯微分的非平凡零点如何与双全纯黎曼曲面的几何结构相关联？能否显式定位？
• RQ5 该形式体系在非平稳初始条件或非双全纯黎曼曲面上在多大程度上可推广？

主要发现

• 在具有 Ω ≥ 3 个状态的马尔可夫过程中，两个状态之间电流相关的黎曼曲面是亏格 g = Ω−1 的双全纯曲面，具有 2Ω 个分支点，以及被积函数全纯微分的 2g 个非平凡零点。
• 在平稳初始条件下，全纯微分由已知的极点和零点完全刻画，其中 2g 个未知的非平凡零点通过引理 3 和 4 在黎曼曲面上显式定位。
• 在可逆情况下，Qt 的概率由一个实积分（54）表示，积分区间为分支割线，与一般围线积分相比显著简化了计算。
• 在不可逆情况下，被积函数需要 g 个常数 cℓ 以保证全纯性，且其显式确定是公式成立的必要条件，已在一维随机游走模型中得到验证。
• 常数 cℓ 一般非零，仅在可逆极限下趋于零，如一维随机游走例子所示，当 q → 0 时 cℓ → 0。
• 在一维随机游走模型中的显式验证表明，所推导的微分表达式符合所需形式，且 cℓ 对于在 R 上保持全纯性至关重要。