[论文解读] Convergence of loop-erased random walk in the natural parametrization

Gregory F. Lawler, Fredrik Viklund|arXiv (Cornell University)|Mar 16, 2016

Stochastic processes and statistical mechanics被引用 5

一句话总结

本论文建立了环消除随机游走（LERW）在自然参数化下的收敛性——其中时间对应于重标度后的欧几里得长度——收敛于参数为2的施拉姆-洛瓦勒演化（SLE₂），并以5/4维闵可夫斯基内容参数化。作者提出了一种新颖的耦合方法，并利用基于闵可夫斯基内容的度量，证明了在解析边界单连通区域中，曲线的依分布收敛性。

ABSTRACT

Loop-erased random walk, abbreviated LERW, is one of the most well-studied critical lattice models. It is the self-avoiding random walk one gets after erasing the loops from a simple random walk in order or alternatively by considering the branches in a uniformly chosen spanning tree. This paper proves that planar LERW parametrized by renormalized length converges in the lattice size scaling limit to SLE(2) parametrized by 5/4-dimensional Minkowski content. In doing this we also provide a method for proving similar convergence results for other models converging to SLE. Besides the main theorem, several of our results about LERW are of independent interest: for example, two-point estimates, estimates on maximal content, and a "separation lemma".

研究动机与目标

• 建立环消除随机游走（LERW）在自然参数化下收敛于SLE₂。
• 解决长期存在的问题：当LERW以长度而非容量参数化时，是否收敛于具有物理意义参数化的SLE。
• 发展一种通用方法，用于证明格点模型在自然参数化下收敛于SLE，适用于LERW以外的模型。
• 提供关于LERW的新估计，如两点估计、瓶颈事件和分离引理，其本身在概率论中具有独立兴趣。

提出的方法

• 使用基于时间重参数化与空间距离的曲线度量，定义为 $\rho(\gamma^1, \gamma^2) = \inf \left[ \sup |\alpha(t) - t| + \sup |\gamma^2(\alpha(t)) - \gamma^1(t)| \right] $，以衡量收敛性。
• 通过5/4维闵可夫斯基内容定义SLE₂的自然参数化，确保穿越距离 $r$ 所需时间按 $r^{5/4}$ 规律缩放。
• 通过共形映射与基于闵可夫斯基内容估计的时间变换策略，构建离散LERW与SLE₂之间的耦合。
• 引入并证明一个“分离引理”，以控制LERW路径在域内彼此过于接近的概率。
• 利用对闭正方形访问次数的期望与最大闵可夫斯基内容的估计，控制LERW的局部行为。
• 应用截断论证处理路径末端，结合SLE的连续性估计与边界附近闵可夫斯基内容的矩界。

实验结果

研究问题

• RQ1 环消除随机游走是否在自然参数化（即时间与长度成正比）下，收敛于具有意义的参数化SLE₂？
• RQ2 SLE₂的闵可夫斯基内容参数化能否作为LERW在时间以重标度长度度量时的正确标度极限？
• RQ3 当容量参数化失去几何信息时，证明参数化收敛需要何种技术？
• RQ4 如何通过访问次数与闵可夫斯基内容的估计来控制LERW路径的局部几何？
• RQ5 该方法能否推广至其他收敛于SLE的临界格点模型？

主要发现

• 以重标度长度参数化的LERW在标度极限下依分布收敛于以5/4维闵可夫斯基内容参数化的SLE₂。
• 收敛性在由时间重参数化与空间距离定义的度量 $\rho$ 下成立，误差界以 $O(N^{-5/16})$ 速率衰减。
• LERW的两点估计被证明是紧致的，即访问距离为 $r$ 内某点的概率衰减为 $r^{3/4}$。
• 证明了分离引理，表明两条LERW路径彼此接近至距离 $r$ 以内的概率被控制在 $c r^{3/4}$ 以内。
• 对边长为1的闭正方形，访问次数的期望在格点尺寸下有统一有界，从而可控制局部波动。
• 在边界附近对路径进行截断可保持收敛性，且在适当的尾部条件下，闵可夫斯基内容度量下的误差被控制在 $2(\varepsilon \vee \delta)$ 以内。