[论文解读] Branching structure for the transient random walk on a strip in a random environment

Wenming Hong, Meijuan Zhang|arXiv (Cornell University)|Apr 5, 2012

Stochastic processes and statistical mechanics参考文献 7被引用 3

一句话总结

本文揭示了在随机环境中的一维条带上瞬态随机游走的内在分支结构，使得能够显式表达首达时间以及‘从粒子视角观察的环境’过程的绝对连续不变测度的密度。该方法利用更新过程与矩阵积，推导出关键量的精确公式，包括大数定律的速率。

ABSTRACT

An intrinsic branching structure within the transient random walk on a strip in a random environment is revealed. As applications, which enables us to express the hitting time explicitly, and specifies the density of the absolutely continuous invariant measure for the "environments viewed from the particle".

研究动机与目标

• 揭示在随机环境中的一维条带上瞬态随机游走的内在分支结构。
• 通过揭示的分支机制，实现首达时间的显式计算。
• 刻画‘从粒子视角观察的环境’过程的绝对连续不变测度的密度。
• 作为分支结构的副产品，推导大数定律的速率。

提出的方法

• 作者基于对条带各层的首次通过时间定义了一个更新过程，记为 $ T_n $。
• 通过在到达下一层之前对中间状态的访问次数定义一个分支过程，使用转移矩阵 $ P_n, Q_n, R_n $。
• 利用包含 $ A_n = (I - Q_n\tilde{\rho}_n - R_n)^{-1}Q_n\tilde{\rho}_n $ 的矩阵积来计算期望访问次数。
• 通过在环境空间 $ \Omega $ 上取期望，将分支结构与 quenched 及 annealed 分布联系起来。
• 利用 Radon-Nikodym 导数 $ \frac{dQ_i}{dP} $ 推导不变测度密度，其表达式为包含矩阵积与环境平移的级数形式。
• 该方法依赖于环境序列 $ \omega_n $ 的遍历性与平稳性，并利用平移算子 $ \theta $ 关联各层之间的分布。

实验结果

研究问题

• RQ1 如何显式刻画在随机环境中的一维条带上瞬态随机游走的首达时间分布？
• RQ2 瞬态行为在条带上由何种内在分支机制所支撑？
• RQ3 ‘从粒子视角观察的环境’过程的绝对连续不变测度如何与分支结构相关联？
• RQ4 能否从分支结构中推导出大数定律的速率？

主要发现

• 首达时间 $ T_n $ 通过分支过程中的中间状态访问次数的期望显式表达，使用包含 $ A_n $ 的矩阵积。
• ‘从粒子视角观察的环境’过程的绝对连续不变测度密度为 $ \frac{dQ_i}{dP} = v_p \sum_{m \leq 0} \mu_\omega (\widetilde{u}_0 + \zeta_0 A_1 \widetilde{u}_0 + \cdots )(i) $。
• Radon-Nikodym 导数 $ \frac{d\overline{Q}}{dP} $ 以包含向后环境平移与矩阵积的级数形式导出，从而得到不变测度密度。
• 大数定律的速率作为副产品获得，量化了游走位置收敛的速度。
• 在到达 $ n+1 $ 层之前对层 $ n $ 的期望访问次数通过 $ E_{\theta^{-m}\omega}^k(N_m^i) $ 计算，该量与分支过程相关联。
• 矩阵 $ A_n $ 捕获了在向前移动前对当前层的期望访问次数，其由预解式 $ (I - R_n)^{-1} $ 推导得出。