[论文解读] Exceptional times of the critical dynamical Erd\H{o}s-R\'enyi graph

Matthew I. Roberts, Batı Şengül|arXiv (Cornell University)|Oct 19, 2016

Stochastic processes and statistical mechanics参考文献 17被引用 3

一句话总结

本文研究一个随时间演化的 Erdős-Rényi 随机图，其中边以速率 1 重新采样，重点关注最大连通分量。结果表明，以高概率，该分量随时间的大小可达到 $ n^{2/3} \log^{1/3} n $ 的量级，显著超过静态临界图的 $ n^{2/3} $，这是由于存在罕见的“例外时刻”，此时分量瞬时变得更大。

ABSTRACT

In this paper we introduce a network model which evolves in time, and study its largest connected component. We consider a process of graphs $(G_t:t\in [0,1])$, where initially we start with a critical Erd\H{o}s-R\'enyi graph ER(n, 1/n), and then evolve forwards in time by resampling each edge independently at rate 1. We show that the size of the largest connected component that appears during the time interval $[0, 1]$ is of order $n^{2/3} log^{1/3} n$ with high probability. This is in contrast to the largest component in the static critical Erd\H{o}s-R\'enyi graph, which is of order $n^{2/3}$.

研究动机与目标

• 分析在 $ n $ 个顶点上动态重采样 Erdős-Rényi 图中最大连通分量的演化。
• 理解分量大小在时间上的波动，特别是在临界参数 $ p = 1/n $ 时，此时静态图的分量大小为 $ n^{2/3} $。
• 识别并表征分量大小超过典型 $ n^{2/3} $ 尺度的罕见“例外时刻”。
• 建立由于边配置的时间波动导致分量大小出现对数增强的证据。

提出的方法

• 定义一个连续时间马尔可夫过程 $ (G_t)_{t \in [0,1]} $，其中每条边独立地以速率 1 重新采样，起始于临界 Erdős-Rényi 图 $ \mathrm{ER}(n, 1/n) $。
• 使用噪声敏感性技术与超立方体上的傅里叶分析来研究分量大小的波动，特别关注大分量指示函数。
• 应用关键性估计与揭示度量界限，以控制边配置对分量大小的影响，针对广度优先搜索算法。
• 利用多重共聚过程与布朗桥逼近的结果，理解例外时刻下大分量的结构。
• 使用矩方法与尾部概率估计，控制在 $[0,1]$ 内任意时刻最大分量超过 $ \beta n^{2/3} \log^{1/3} n $ 的概率。
• 通过两阶段分析（上界与下界）建立此类例外时刻出现的精确阈值。

实验结果

研究问题

• RQ1 当 $ n \to \infty $ 时，最大分量大小在时间上的上确界是否以概率收敛？若收敛，其极限为何？
• RQ2 当最大分量超过 $ \beta n^{2/3} \log^{1/3} n $ 时，例外时刻集合的分形或几何结构如何？
• RQ3 例外时刻下的最大分量与静态图中条件为大的分量相比有何异同？
• RQ4 最小分量大小随时间如何变化？是否显著小于典型的 $ n^{2/3} $ 尺度？
• RQ5 若边以不同速率 $ n^\gamma $ 重新采样，特别是 $ \gamma = -1/3 $ 时，情况如何？

主要发现

• 以高概率，动态临界 Erdős-Rényi 图中最大连通分量大小在时间上的上确界为 $ n^{2/3} \log^{1/3} n $ 量级。
• 此类例外时刻出现的阈值是精确的：当 $ \beta < 2/3^{2/3} $ 时，分量超过 $ \beta n^{2/3} \log^{1/3} n $ 的概率趋于 1；而当 $ \beta \geq 2/3^{1/3} $ 时，该概率趋于 0。
• 例外时刻集合的勒贝格测度以概率收敛于零，表明此类大分量在时间上极为罕见。
• 基于盒计数论证，推测例外时刻集合的豪斯多夫维数为 $ (1 - 3\beta^{3/8}) \vee 0 $。
• 噪声敏感性分析表明，大分量指示函数在阈值 $ \varepsilon_n \sim n^{-1/6} $ 处具有噪声敏感性，意味着分量大小对小的边扰动极为敏感。
• 推测例外时刻下的分量大小类似于条件为大的静态分量，尽管在缺乏布朗桥逼近等进一步工具的情况下，其结构细节仍不明确。