[论文解读] Activation process on a long-range percolation graph with power law long edge distribution. Part I: phase transition without inhibition

Svante Janson, Róbert Kozma+2 more|arXiv (Cornell University)|Jul 29, 2015

Stochastic processes and statistical mechanics被引用 2

一句话总结

本文在二维环面上引入一种长程渗透图，其中长边以与距离成反比的概率添加，结果在高概率下直径为 Θ(log N)。它分析了非单调的Bootstrap渗透，建立了相变及临界参数的精确边界，为脑网络动力学和复杂系统行为提供了洞见。

ABSTRACT

In this paper a random graph model $G_{\mathbb{Z}^2_N,p_d}$ is introduced, which is a combination of fixed torus grid edges in $(\mathbb{Z}/N \mathbb{Z})^2$ and some additional random ones. The random edges are called long, and the probability of having a long edge between vertices $u,v\in(\mathbb{Z}/N \mathbb{Z})^2$ with graph distance $d$ on the torus grid is $p_d=c/Nd$, where $c$ is some constant. We show that, {\em whp}, the diameter $D(G_{\mathbb{Z}^2_N,p_d})=\Theta (\log N)$. Moreover, we consider non-monotonous bootstrap percolation on $G_{\mathbb{Z}^2_N,p_d}$. We prove the presence of phase transitions in mean-field approximation and provide fairly sharp bounds on the error of the critical parameters. Our model addresses interesting mathematical questions of non-monotonous bootstrap percolation, and it is motivated by recent results of brain research.

研究动机与目标

• 使用在二维环面上具有幂律分布长边的随机图，对具有长程连接的复杂网络进行建模。
• 在特定长边概率机制下，分析图的结构特性，特别是其直径。
• 研究该图上的非单调Bootstrap渗透，重点关注相变和临界行为。
• 为渗透过程中的临界参数提供严格的平均场近似和误差边界。
• 将该模型与现实世界系统联系起来，特别是脑网络，受近期神经科学研究发现的启发。

提出的方法

• 通过在环面网格上组合固定边与在图距离为 d 的顶点之间添加的随机长边，构建图 $G_{\bbZ^2_N,p_d}$。
• 长边以概率 $p_d = c/(Nd)$ 独立添加，其中 c 为常数，d 为环面网格距离。
• 使用概率方法分析图的直径，证明其以高概率缩放为 $\Theta(\log N)$。
• 通过平均场近似研究非单调Bootstrap渗透，推导临界阈值的误差边界。
• 理论分析结合耦合技术和集中不等式，建立临界参数的精确边界。

实验结果

研究问题

• RQ1 在二维环面上，具有幂律长边分布的长程渗透图的渐近直径是多少？
• RQ2 非单调Bootstrap渗透在此图上的行为如何，会涌现出何种相变？
• RQ3 平均场近似能否准确预测渗透的临界阈值，其误差边界是什么？
• RQ4 与规则格点模型相比，长程边的存在如何影响临界行为？
• RQ5 该模型对理解脑网络动力学和信息传播具有何种启示？

主要发现

• 图 $G_{\bbZ^2_N,p_d}$ 的直径以高概率为 $\Theta(\log N)$，表明尽管长程边稀疏，仍具有高效的全局连通性。
• 非单调Bootstrap渗透表现出明确的相变，证实了渗透临界阈值的存在。
• 临界阈值的平均场近似被证明是准确的，且对近似误差有严格的边界。
• 渗透的临界阈值对边分布中的幂律指数敏感，反映出对长程连通性的非平凡依赖。
• 该模型为研究复杂网络行为提供了数学上可处理的框架，与脑网络动力学和信息传播具有相关性。