[论文解读] The time of bootstrap percolation for dense initial sets

Béla Bollobás, Cecilia Holmgren+2 more|arXiv (Cornell University)|May 17, 2012

Stochastic processes and statistical mechanics参考文献 29被引用 7

一句话总结

本文研究当初始感染概率 $p$ 接近 1 时，在 $d$-维环面 $\mathbb{T}_n^d$ 上 bootstrap percolation 的完成时间。利用 Stein-Chen 方法与极值组合学，本文在 $t = o(\log n / \log \log n)$ 时间内建立了 percolation 的精确阈值，表明在某些 $p(n)$ 范围下，percolation 时间集中在连续两个值上，且对原点附近的未感染站点实现了精确的泊松收敛。

ABSTRACT

In r-neighbour bootstrap percolation on the vertex set of a graph G, vertices are initially infected independently with some probability p. At each time step, the infected set expands by infecting all uninfected vertices that have at least r infected neighbours. We study the distribution of the time t at which all vertices become infected. Given t = t(n) = o(log n/log log n), we prove a sharp threshold result for the probability that percolation occurs by time t in d-neighbour bootstrap percolation on the d-dimensional discrete torus T_n^d. Moreover, we show that for certain ranges of p = p(n), the time at which percolation occurs is concentrated either on a single value or on two consecutive values. We also prove corresponding results for the modified d-neighbour rule.

研究动机与目标

• 研究当初始感染概率 $p$ 接近 1 时，在 $d$-维环面的 $r$-邻域 bootstrap percolation 中，完全 percolation 所需时间的分布。
• 在初始集密集的条件下，建立 $t = o(\log n / \log \log n)$ 时间内 percolation 完成概率的精确阈值。
• 分析特定 $p(n)$ 范围下 percolation 时间在连续一个或两个值上的集中性。
• 将分析推广至修改的 $d$-邻域规则，并探讨 $2 \leq r \leq d$ 范围内 $r$-邻域模型的推广。

提出的方法

• 使用 Stein-Chen 方法证明在 $q_n = 1 - p_n \leq C n^{-d/(2t+1)}$ 条件下，时间 $t$ 时未感染站点数量的泊松收敛。
• 应用极值组合学，对半径为 $t$ 的球内保护原点的 $m_t(d,d) + k$ 个未感染站点的配置数进行上界估计，证明 $g_t(k) = O(t^{O(k)})$。
• 定义 $T$ 为所有顶点均被感染的最小时间，并研究 $t = o(\log n / \log \log n)$ 时的 $\mathbb{P}_{p_n}(T \leq t)$。
• 分析 $B_t^d$ 中最小集与典型集的结构，以推导受保护站点数的下界，并控制感染过程的尾部行为。
• 证明当 $p_n = 1 - n^{-d/m_{t,d}}$ 时，若 $t = o(\log n / \log \log n)$，则 percolation 时间 $T$ 集中在单个值或两个连续值上。
• 通过引入 $(d,r)$-典型集，将结果推广至 $r$-邻域 bootstrap percolation，证明了类似的集中性与阈值结果。

实验结果

研究问题

• RQ1 当 $p$ 接近 1 时，$d$-邻域 bootstrap percolation 在 $\mathbb{T}_n^d$ 上于时间 $t = o(\log n / \log \log n)$ 完成的概率是否存在精确阈值？
• RQ2 对于 $p(n)$ 在接近 1 的特定范围内，percolation 时间 $T$ 如何集中？在何种条件下其集中于一个或两个连续值？
• RQ3 标准 $d$-邻域模型的结果能否推广至 $2 \leq r \leq d$ 范围内的 $r$-邻域 bootstrap percolation？
• RQ4 极值配置——特别是典型集与最小集——在控制完全 percolation 所需时间方面起什么作用？
• RQ5 percolation 时间的精确阈值与集中性结果是否可推广至更大的 $t$ 值，如 $t = o(\log n)$？

主要发现

• 当 $t = o(\log n / \log \log n)$ 时，若 $p_n$ 接近 1，则 percolation 在时间 $t$ 前完成的概率在 $p_n$ 上表现出精确阈值。
• 在 $q_n \leq C n^{-d/(2t+1)}$ 条件下，时间 $t$ 时未感染站点数的总变差距离收敛于均值为 $\mu_n = (1+o(1))dn^d q_n^{2t+1}$ 的泊松分布。
• 对于特定范围内的 $p_n$，percolation 时间 $T$ 集中于单个值或两个连续值，具体取决于 $q_n = 1 - p_n$ 的衰减速率。
• 在 $B_t^d$ 中，保护原点的 $m_t(d,d) + k$ 个未感染站点的配置数满足 $g_t(k) = O(t^{O(k)})$，且该上界与 $t$ 的指数无关。
• 对于 $2 \leq r \leq d$ 的 $r$-邻域 bootstrap percolation，结果可推广至 $(d,r)$-典型集，其中 $m_t(d,r)$ 表示受保护集合的最小大小。
• 作者猜想，精确阈值与集中性结果在 $t = o(\log n)$ 范围内仍成立，从而将有效范围扩展至 $o(\log n / \log \log n)$ 之外。