[论文解读] Cut distance identifying graphon parameters over weak* limits

Martin Doležal, Jan Grebík+3 more|arXiv (Cornell University)|Sep 11, 2018

Limits and Structures in Graph Theory参考文献 42被引用 5

一句话总结

本文引入并研究了‘割距离识别’图子参数——即在图子序列弱*极限点集合中唯一确定割距离极限的函数。通过分析同态密度、熵、谱和凸性，作者证明了连通的弱范数图是分段Sidorenko图，范数图是分段强制图，且连续的割距离识别参数满足‘泵送性质’，从而可为Frieze–Kannan正则性引理提供新证明。

ABSTRACT

The theory of graphons comes with the so-called cut norm and the derived cut distance. The cut norm is finer than the weak* topology (when considering the predual of $L^{1}$-functions). Dole\v{z}al and Hladk\'y [J. Combin. Theory Ser. B 137 (2019), 232-263] showed, that given a sequence of graphons, a cut distance accumulation graphon can be pinpointed in the set of weak* accumulation points as a minimizer of the entropy. Motivated by this, we study graphon parameters with the property that their minimizers or maximizers identify cut distance accumulation points over the set of weak* accumulation points. We call such parameters cut distance identifying. Of particular importance are cut distance identifying parameters coming from homomorphism densities, $t(H,\cdot)$. This concept is closely related to the emerging field of graph norms, and the notions of the step Sidorenko property and the step forcing property introduced by Kr\'a\v{l}, Martins, Pach and Wrochna [J. Combin. Theory Ser. A 162 (2019), 34-54]. We prove that a connected graph is weakly norming if and only if it is step Sidorenko, and that if a graph is norming then it is step forcing. Further, we study convexity properties of cut distance identifying graphon parameters, and find a way to identify cut distance limits using spectra of graphons. We also show that continuous cut distance identifying graphon parameters have the {\guillemotleft}pumping property{\guillemotright}, and thus can be used in the proof of the Frieze-Kannan regularity lemma.

研究动机与目标

• 刻画在弱*极限点集合中能唯一识别割距离极限的图子参数。
• 通过数值参数将弱*收敛与割范数收敛联系起来，拓展图极限理论。
• 建立割距离识别参数与图极限理论中基本概念（如准随机性和正则性引理）之间的联系。
• 研究同态密度、熵和谱性质在识别割距离极限中的作用。
• 通过研究图子参数的凸性和谱性质，推导图范数和强制性质的结构结果。

提出的方法

• 将‘割距离识别’参数定义为：其在弱*极限点集合上的最大值或最小值点与割距离极限一致的参数。
• 以同态密度 t(H, ·) 作为此类参数的主要例子，特别是针对二分图。
• 应用Jensen不等式并利用测度的分解方法，比较在结构化序 ⪯ 下的参数取值。
• 通过图子的谱理论，利用 (2ℓ)-次幂的特征值和，证明偶圈 C₂ℓ 的割距离识别性。
• 利用凸性和包络理论，证明连续的割距离识别参数满足‘泵送性质’，从而可用于正则性引理的证明。
• 通过谱和密度分析，证明连通的弱范数图是分段Sidorenko图，范数图是分段强制图。

实验结果

研究问题

• RQ1 哪些图子参数能唯一识别弱*极限点集合中的割距离极限？
• RQ2 同态密度 t(H, ·) 与图的分段Sidorenko和分段强制性质有何关系？
• RQ3 弱范数图与分段Sidorenko性质之间存在何种关系？
• RQ4 是否可利用凸性或连续的割距离识别参数证明Frieze–Kannan正则性引理？
• RQ5 局部分段Sidorenko图和局部分段强制图的特征是什么？

主要发现

• 连通图是弱范数图当且仅当它是分段Sidorenko图，建立了图极限理论中两个关键概念之间的直接等价关系。
• 若图是范数图，则其为分段强制图，表明强制性质由更强的范数条件所蕴含。
• 参数 t(K₁,ℓ, ·) 对所有 ℓ ∈ ℕ 都是割距离相容的，证明基于Jensen不等式和在结构化序下的测度分解。
• 参数 t(C₂ℓ, ·) 对所有 ℓ ≥ 2 都是割距离识别的，其证明依赖于在结构化序下 (2ℓ)-次特征值和的严格递增性。
• 连续的割距离识别图子参数满足‘泵送性质’，使其可用于Frieze–Kannan正则性引理的证明。
• 图子的谱——特别是其特征值的 (2ℓ)-次幂之和——可用于识别割距离极限，从而提供了收敛性的谱表征。