[论文解读] Estimates for the empirical distribution along a geodesic in first-passage percolation

Damron, Michael, Hanson, Jack+3 more|arXiv (Cornell University)|Oct 15, 2020

Random Matrices and Applications参考文献 15被引用 5

一句话总结

本文建立了在 $ℤ^d$ 上首次通过渗滤中测地线路径上边权经验分布的尖锐尾部界限，证明了上尾的指数衰减。若边权具有任意阶有限正矩，则其任意极限的平均经验分布也具有所有阶有限矩，从而解决了关于测地线权极限绝对连续性的长期猜想中的关键方面。

ABSTRACT

In first-passage percolation, we assign i.i.d.~nonnegative weights $(t_e)$ to the nearest-neighbor edges of $\mathbb{Z}^d$ and study the induced pseudometric $T = T(x,y)$. In this paper, we focus on geodesics, or optimal paths for $T$, and estimate the empirical distribution of weights along them. We prove an upper bound for the expected number of edges with weight $\geq M$ in the union of all geodesics from $0$ to $x$ of the form $q(M) \mathbb{P}(t_e \geq M)|x|$, where $q(M) \leq e^{-cM}$. This shows that the tail of the expected empirical distribution along a geodesic is lighter than that of the original weight distribution by an exponential factor. We also give a lower bound for the expected minimal number of edges with weight $\geq M$ in any geodesic from $0$ to $x$ in terms of $\mathbb{P}(t_e \geq M)$ and $\mathbb{P}(t_e \in [M,2M])$. For example, these two imply that if $t_e$ has a power law tail of the form $\mathbb{P}(t_e \geq M) \sim M^{-α}$, then the tail of the expected empirical distribution asymptotically lies between $e^{-CM \log M}$ and $e^{-cM}$. We also provide estimates for the expected number of edges in a geodesic with weight in a set $A$ for (a) arbitrary $A$, (b) $A$ an interval separated from the infimum of the support of $t_e$ and (c) $A=[0,a]$ for some $a \geq 0$.

研究动机与目标

• 分析 $ℤ^d$ 上首次通过渗滤中有限测地线路径上边权经验分布的尾部行为。
• 为从原点到远处点的所有测地线的平均经验分布建立一致的上下尾估计。
• 在边权分布满足温和矩条件时，证明任意平均经验分布的极限具有所有阶有限矩。
• 解决 Hoffman（2015）关于极限经验分布相对于边权分布的绝对连续性的猜想。

提出的方法

• 作者受 Nakajima（2020） 启发，采用基于壳层的构造方法，以控制测地线上的最大边权。
• 应用 $k$-依赖的贪心格子动物构造，为所有测地线获得一致的尾部估计。
• 使用修改版的 van den Berg–Kesten（BK）不等式，控制涉及高权边的罕见事件的概率。
• 通过矩生成函数估计和亚高斯型集中性，推导出经验分布上尾的指数尾部界限。
• 将分析扩展至所有测地线在大球边界上的经验分布上确界，确保一致控制。
• 附录 B 中发展了关于 $k$-依赖贪心格子动物的技术结果，可能具有独立兴趣。

实验结果

研究问题

• RQ1 在 $ℤ^d$ 上首次通过渗滤中，有限测地线路径上边权经验分布的尾部衰减速率是什么？
• RQ2 即使存在罕见的高权路径，是否也能为从原点到远处点的所有测地线建立一致的尾部界限？
• RQ3 在边权分布满足何种条件下，平均经验分布的极限具有所有阶有限矩？
• RQ4 如 Hoffman（2015）所猜想，极限经验分布是否相对于边权分布绝对连续？
• RQ5 经验分布的尾部行为如何与底层边权分布的矩结构相关？

主要发现

• 本文建立了测地线路径上边权平均经验分布上尾的指数衰减。
• 对任意 $p > 0$，经验测度超过大上尾事件的概率随距原点距离呈指数衰减。
• 若边权分布具有任意阶有限正矩，则任意平均经验分布极限点也具有所有阶有限正矩。
• 一致尾部界限可传递至无限测地线的极限，确保此类极限相对于边权分布律绝对连续。
• 结果在边权分布的弱假设下仍稳健，仅需本质下确界 $r$ 满足：若 $r=0$，则 $F(r) < p_c$；否则 $F(r) < \vec{p}_c$。
• 关于 $k$-依赖贪心格子动物的技术发展，为研究首次通过渗滤中极值行为提供了新工具。