[论文解读] Majority bootstrap percolation on the random graph G(n,p)

Sigurður Örn Stefánsson, Thomas Vallier|arXiv (Cornell University)|Mar 24, 2015

Stochastic processes and statistical mechanics参考文献 4被引用 3

一句话总结

本文研究了在 Erdős–Rényi 随机图 $G_{n,p}$ 上的多数 bootstrap 渐近过程，其中顶点在超过一半邻居被激活时被激活。研究发现，仅当初始激活集合超过 $\frac{1}{2}n$ 时才会发生渗滤（几乎全部顶点被激活），且在 $A(0) = \frac{1}{2}n + o(n)$ 处存在一个尖锐的阈值。当 $p \ll \frac{1}{n}$ 时，无显著激活传播；而当 $p \gg \frac{1}{n}$ 时，激活在 $A(0) \approx \frac{1}{2}n$ 处发生相变。结果可推广至一般 $\alpha \in (0,1)$ 的比例 bootstrap 渐近过程。

ABSTRACT

Majority bootstrap percolation on the random graph $G_{n,p}$ is a process of spread of "activation" on a given realisation of the graph with a given number of initially active nodes. At each step those vertices which have more active neighbours than inactive neighbours become active as well. We study the size $A^*$ of the final active set. The parameters of the model are, besides $n$ (tending to $\infty$), the size $A(0)=A_0(n)$ of the initially active set and the probability $p=p(n)$ of the edges in the graph. We prove that the process cannot percolate for $A(0) = o(n)$. We study the process for $A(0) = θn$ and every range of $p$ and show that the model exhibits different behaviours for different ranges of $p$. For very small $p \ll \frac{1}{n}$, the activation does not spread significantly. For large $p \gg \frac{1}{n}$ then we see a phase transition at $A(0) \simeq \frac{1}{2}n$. In the case $p= \frac{c}{n}$, the activation propagates to a significantly larger part of the graph but (the process does not percolate) a positive part of the graph remains inactive.

研究动机与目标

• 理解在 $G_{n,p}$ 上多数 bootstrap 渐近过程中激活传播至几乎所有顶点的条件。
• 确定触发完全或近乎完全渗滤的初始激活集合大小 $A(0)$ 的临界阈值。
• 刻画在不同边概率范围 $p = p(n)$ 下的相变行为。
• 将结果推广至一般激活阈值 $\alpha \in (0,1)$ 的比例 bootstrap 渐近过程。

提出的方法

• 使用分支过程近似和耦合论证分析活跃顶点的随机演化。
• 利用二项分布的集中不等式和尾部界估计每一步顶点激活的概率。
• 应用随机支配技术以界定激活轮次后仍保持非活跃状态的顶点数量。
• 通过概率方法和极限定理（$n \to \infty$）推导最终活跃集合大小 $A^*$ 的渐近界。
• 通过分析 $A(0)$ 相对于 $\frac{1}{2}n$ 和 $\sqrt{n/p}$ 的行为，建立渗滤的尖锐阈值。
• 同时考虑固定初始集合大小 $A(0) = \theta n$ 和以概率 $q(n)$ 随机初始激活的情形，证明其在渐近行为上等价。

实验结果

研究问题

• RQ1 在 $G_{n,p}$ 上的多数 bootstrap 渐近过程中，实现渗滤所需的初始活跃集合 $A(0)$ 的临界大小是什么？
• RQ2 边概率 $p$ 如何影响激活的传播，特别是在 $p \ll \frac{1}{n}$、$p = \frac{c}{n}$ 和 $p \gg \frac{1}{n}$ 的情形下？
• RQ3 当 $A(0) = \frac{1}{2}n + x\sqrt{n/p}$ 时，该过程是否会发生渗滤？
• RQ4 当 $p = \frac{c}{n}$ 时，最终活跃集合大小 $A^*$ 的渐近行为如何？其是否趋近于 $n - o(n)$？
• RQ5 这些结果能否推广至一般激活阈值 $\alpha \in (0,1)$ 的比例 bootstrap 渐近过程？

主要发现

• 当 $p = o(1/n)$ 时，过程处于亚临界状态：无显著激活传播，且以高概率有 $A^* = A(0) + o_p(n)$。
• 当 $p \gg 1/n$ 时，在 $A(0) \approx \frac{1}{2}n$ 处发生尖锐相变，若 $A(0) > \frac{1}{2}n + o(\sqrt{n/p})$，则 $A^* = n - o_p(n)$。
• 当 $p = \frac{c}{n}$ 时，激活传播至严格正比例的顶点 $\theta^* n$，其中 $\theta < \theta^* < 1$，但不会完全渗滤。
• 渗滤的临界阈值为 $A_c = \frac{1}{2}n + o_p(n)$，且过渡窗口的尺度为 $\sqrt{n/p}$。
• 对于 $A(0) = \frac{1}{2}n + x\sqrt{n/p}$，当 $n \to \infty$ 时，渗滤概率猜想收敛至一个非退化的极限 $\phi(x) \in (0,1)$，但该猜想仍待证明。
• 在比例 bootstrap 渐近过程中，模型在 $\alpha = \frac{1}{2}$ 处表现出普遍阈值，与超立方体和全局级联模型的结果一致。