[论文解读] Coarse Ricci curvature of hypergraphs and its generalization

Masahiro Ikeda, Yu Kitabeppu+2 more|arXiv (Cornell University)|Feb 1, 2021

Geometric Analysis and Curvature Flows参考文献 35被引用 4

一句话总结

本文通过非线性次模超图拉普拉斯算子，提出了一种超图的粗 Ricci 曲率的新概念，推广了 Lin-Lu-Yau 的图曲率。它建立了关键的几何结果——梯度估计、下界特征值估计和 Bonnet-Myers 型直径估计，表明拉普拉斯算子的非线性性并不妨碍基于曲率的分析，将黎曼曲率概念扩展至超图。

ABSTRACT

In the present paper, we introduce a concept of Ricci curvature on hypergraphs for a nonlinear Laplacian. We prove that our definition of the Ricci curvature is a generalization of Lin-Lu-Yau coarse Ricci curvature for graphs to hypergraphs. We also show a lower bound of nonzero eigenvalues of Laplacian, gradient estimate of heat flow, and diameter bound of Bonnet-Myers type for our curvature notion. This research leads to understanding how nonlinearity of Laplacian causes complexity of curvatures.

研究动机与目标

• 为超图定义一种粗 Ricci 曲率的概念，使其推广 Lin-Lu-Yau 的图曲率。
• 研究拉普拉斯算子的非线性性如何影响离散空间中的曲率与几何性质。
• 建立类似于黎曼几何的功能不等式与几何界（例如直径、特征值）。
• 证明尽管次模超图拉普拉斯算子是非线性的且多值的，但其仍支持一个可处理的曲率框架。

提出的方法

• 通过次模集合函数的次微分定义次模超图拉普拉斯算子。
• 在具有内积 $\langle f,g \rangle = f^\top D^{-1}g$ 的希尔伯特空间上，将归一化拉普拉斯算子定义为 $\mathcal{L} = L \circ D^{-1}$。
• 证明归一化拉普拉斯算子是极大单调的，并且是凸泛函 $Q(\bar{g}) = \frac{1}{2} \sum_e \omega(e) f_e(\bar{g})^2$ 的次微分。
• 利用 $\mathcal{L}$ 的极大单调性，通过热流 $h_t$ 和预解式 $J_\lambda$ 实现曲率分析。
• 通过收缩 $L^1$-Wasserstein 距离来定义曲率，遵循 Lin-Lu-Yau 的方法。
• 使用归一化的次模变换 $F$，满足 $F_e(V) = 0$，以确保 $\mathcal{L}(\pi) = 0$，从而支持测度论分析。

实验结果

研究问题

• RQ1 能否通过非线性拉普拉斯算子将 Lin-Lu-Yau 的图粗 Ricci 曲率推广至超图？
• RQ2 拉普拉斯算子的非线性性如何影响超图的几何与分析性质？
• RQ3 次模超图拉普拉斯算子是否支持一种曲率概念，从而产生类似于黎曼几何的功能不等式与直径界？
• RQ4 在超图上缺乏标准随机游走的情况下，能否在不依赖团展开或随机游走的前提下定义曲率概念？

主要发现

• 所提出的曲率概念推广了 Lin-Lu-Yau 的粗 Ricci 曲率至超图，保持了其基础性质。
• 建立了拉普拉斯算子非零特征值的下界，将曲率与谱性质联系起来。
• 证明了热流的梯度估计：$|\nabla h_t f|^2(x) \leq e^{-2Kt} h_t |\nabla f|^2(x)$，对所有 $t > 0$ 成立。
• 推导出类似 Bonnet-Myers 的直径界，表明正曲率意味着有限直径。
• 归一化拉普拉斯算子 $\mathcal{L}$ 是极大单调的，并且是凸泛函的次微分，确保了热流与曲率定义的良好适定性。
• 该曲率框架可适用于多种超图类型，包括有向超图，方法是通过割函数的 Lovász 扩展实现。