[论文解读] A shape theorem for an epidemic model in dimension $d\ge 3$

Enrique D. Andjel, Nicolas Chabot+1 more|arXiv (Cornell University)|Oct 4, 2011

Stochastic processes and statistical mechanics参考文献 17被引用 3

一句话总结

该论文针对 $ℤ^d$ 上的随机 SIR 流行病模型（$d \geq 3$）建立了感染或免疫个体集合的形状定理，采用动态重正化技术处理具有随机感染时长的局部依赖渗流。关键结果表明，在非灭绝条件下，感染区域呈子弹形增长并收敛至确定性的极限形状，将先前在 $d=2$ 的结果推广至更高维度，并适用于一般感染时间分布。

ABSTRACT

We prove a shape theorem for the set of infected individuals in a spatial epidemic model with 3 states (susceptible-infected-recovered) on ${\mathbb Z}^d,d\ge 3$, when there is no extinction of the infection. For this, we derive percolation estimates (using dynamic renormalization techniques) for a locally dependent random graph in correspondence with the epidemic model.

研究动机与目标

• 在 $d \geq 3$ 的 $\mathbb{Z}^d$ 上建立随机 SIR 模型中感染空间传播的形状定理，将先前仅限于 $d=2$ 的结果推广。
• 解决随机感染时长（以正概率为正）带来的挑战，该情况使先前在低维中使用的独立渗流模型比较方法失效。
• 发展并应用动态重正化技术，以处理由流行病动力学产生的局部依赖渗流结构。
• 证明在感染未灭绝的条件下，感染或免疫个体集合呈子弹形增长，并收敛至确定性的极限形状。

提出的方法

• 将 Grimmett 和 Marstrand（1990）的动态重正化技术适配于分析具有对应于流行病模型的局部依赖边权的首达通过渗流。
• 使用流行病过程的局部依赖随机图表示，其中边表示成功感染传播，且具有时间依赖权重。
• 引入基于板层上渗流的随机邻域，以替代在 $d \geq 3$ 中失效的基于环路的方法，从而在高维中控制开放路径。
• 应用 FKG 不等式和次指数估计（而非指数估计）以建立穿过板层的路径存在概率的正下界。
• 利用 $d \geq 3$ 下非定向渗流的结果，控制开放簇的几何结构并推导形状收敛性。
• 仅对感染时长施加 $d$ 阶矩条件，即可将尚未免疫的感染个体局部化于渐近形状之内。

实验结果

研究问题

• RQ1 在 $\mathbb{Z}^d$ 上的时空 SIR 模型中（$d \geq 3$），当感染存活时，感染或免疫个体集合是否收敛至确定性的极限形状？
• RQ2 动态重正化技术能否被适配以处理高维中具有随机感染时间的局部依赖渗流模型？
• RQ3 如何克服在 $d \geq 3$ 中缺乏基于环路的路径控制的问题，以证明形状定理？
• RQ4 感染时长的矩条件在将感染个体局部化于渐近形状中起什么作用？
• RQ5 能否在不假设感染时长为确定性的情况下建立形状定理，如早期研究中所做？

主要发现

• 该论文在非灭绝条件下，证明了 $\mathbb{Z}^d$ 上 $d \geq 3$ 的 SIR 流行病模型的形状定理，表明感染区域呈子弹形增长并收敛至确定性的极限形状。
• 作者建立了穿过厚度为 $6N$ 的板层的开放路径概率存在正下界 $\delta_1 > 0$，从而支持在渗流模型中构建长程连接。
• 为渗流模型推导出次指数估计，足以支持形状定理，替代了早期研究中使用确定性感染时间时的指数估计。
• Chabot（1998）引入的随机邻域在当前具有随机感染时长的设定下仍保持有效。
• 对感染时长施加 $d$ 阶矩条件已足够将感染个体局部化于渐近形状之内，与 $d=2$ 时的结果一致。
• 证明依赖于动态重正化和基于板层的渗流论证，避免了在 $d \geq 3$ 中失效的基于环路的方法。