[论文解读] A phase transition for repeated averages

Sourav Chatterjee, Persi Diaconis+2 more|arXiv (Cornell University)|Nov 7, 2019

Mathematical Dynamics and Fractals参考文献 21被引用 6

一句话总结

本文研究一个马尔可夫过程，该过程反复对向量的两个随机选择的坐标取平均，表明其与均值向量的 L¹ 距离表现出尖锐的截止现象。对于初始向量的所有质量集中于一个分量的情况，截止发生在 $\theta n \log n$ 处，其中 $\theta = \frac{1}{2\log 2}$，窗口大小为 $n\sqrt{\log n}$，其特征由正态分布的累积分布函数描述。

ABSTRACT

Let $x_1,\ldots,x_n$ be a fixed sequence of real numbers. At each stage, pick two indices $I$ and $J$ uniformly at random and replace $x_I$, $x_J$ by $(x_I+x_J)/2$, $(x_I+x_J)/2$. Clearly all the coordinates converge to $(x_1+\cdots+x_n)/n$. We determine the rate of convergence, establishing a sharp "cutoff" transition, answering a question of Jean Bourgain.

研究动机与目标

• 确定实向量上重复平均过程收敛速率的精确值。
• 解决让·布盖恩关于此类过程收敛中是否存在及位于何处的截止现象的问题。
• 确立最坏初始条件（所有质量集中于一个坐标）决定全局混合时间。
• 刻画截止窗口并表明其异常宽广，使得通过模拟难以检测该过渡。

提出的方法

• 将重复平均过程建模为 $\mathbb{R}^n$ 上的马尔可夫链，其中每一步从均匀随机选择的两个索引处，将其值替换为它们的平均值。
• 通过精确计算 $L^2$ 范数的期望，推导出 $\mathbb{E}\left[\sum (x_{k,i} - \overline{x}_0)^2\right] = \left(1 - \frac{1}{n-1}\right)^k \sum (x_{0,i} - \overline{x}_0)^2$，表明当 $k \gg n$ 时 $L^2$ 收敛。
• 分析 $L^1$ 距离 $T(k) = \sum |x_{k,i} - \overline{x}_0|$，通过概率耦合与集中不等式建立截止行为。
• 证明对于初始条件 $x_0 = (1,0,\ldots,0)$，有 $T(\theta n \log n) \xrightarrow{\mathbb{P}} 2$ 若 $\theta < \frac{1}{2\log 2}$，且 $T(\theta n \log n) \xrightarrow{\mathbb{P}} 0$ 若 $\theta > \frac{1}{2\log 2}$，从而确定截止位置。
• 利用标准正态分布的累积分布函数刻画截止窗口：$T(\lfloor n(\log_2 n + a\sqrt{\log_2 n})/2 \rfloor) \xrightarrow{\mathbb{P}} 2\Phi(-a)$。
• 使用耦合论证表明，最坏初始条件（狄拉克质量）在所有具有固定总质量的非负初始向量中主导收敛行为。

实验结果

研究问题

• RQ1 在 $\mathbb{R}^n$ 上的重复平均过程是否在 $L^1$ 收敛到均值向量时表现出截止现象？
• RQ2 对于最坏初始条件 $x_0 = (1,0,\ldots,0)$，截止的精确位置是什么？
• RQ3 截止窗口有多宽，能否以概率方式刻画？
• RQ4 所有质量集中于一个坐标的初始条件是否为收敛时间的最坏情况？
• RQ5 在何种条件下，该过程能在有限步内精确达到常数向量？

主要发现

• L¹ 距离 $T(k)$ 在 $\theta n \log n$ 处表现出尖锐截止，其中 $\theta = \frac{1}{2\log 2} \approx 0.721$，意味着收敛在此时间附近突然发生。
• 当 $\theta < \frac{1}{2\log 2}$ 时，$T(\theta n \log n) \xrightarrow{\mathbb{P}} 2$，表示收敛缓慢；当 $\theta > \frac{1}{2\log 2}$ 时，$T(\theta n \log n) \xrightarrow{\mathbb{P}} 0$，表示收敛迅速。
• 截止窗口大小为 $n\sqrt{\log n}$，$T(k)$ 的下降过程由标准正态分布的累积分布函数描述：在 $k = \lfloor n(\log_2 n + a\sqrt{\log_2 n})/2 \rfloor$ 处，有 $T(k) \xrightarrow{\mathbb{P}} 2\Phi(-a)$。
• 最坏初始条件为 $x_0 = (1,0,\ldots,0)$，且对于单纯形 $\mathbf{P}_n$ 中的任意初始条件，$L^1$ 距离均被最坏情况过程 stochastically dominated。
• 当且仅当 $n$ 是 2 的幂时，该过程在有限步内达到常数向量 $\overline{x}_0 \mathbf{1}$；否则，它永远不会精确达到零。
• 当 $n$ 是 2 的幂时，无论初始状态为何，该过程以概率 1 最终达到常数向量。