[论文解读] Markov loops, complex free field and Eulerian circuits

Yves Le Jan|arXiv (Cornell University)|May 12, 2014

Stochastic processes and statistical mechanics参考文献 14被引用 4

一句话总结

本文建立了泊松环系综、复高斯自由场与实高斯自由场，以及图上欧拉网络之间的深层联系。通过利用环系综的局部时场与同构定理，证明了平方自由场分布与强度为 1/2 的泊松环系综的局部时场一致，从而为广义第二 Ray-Knight 定理提供了概率性证明，并通过环测度首次推导出欧拉回路的 BEST 定理。

ABSTRACT

We study the complex free field associated with a symmetric Markov chain. Applications are given to loop ensembles, second Ray Knight theorem and random Eulerian circuits.

研究动机与目标

• 建立泊松环系综的局部时场与高斯自由场平方之间的概率同构。
• 利用环系综技术，为广义第二 Ray-Knight 定理提供新的概率性证明。
• 通过泊松环系综中非平凡环的测度，推导出欧拉回路的 BEST 定理。
• 通过行列式公式，将环测度与图的同调及雅可比环面联系起来。
• 探索随机欧拉网络的统计性质，及其与渗滤和马尔可夫生成元的关系。

提出的方法

• 使用强度为 $\alpha\mu$ 的泊松环系综的局部时场 $\hat{\mathcal{L}}_{\alpha}$ 来建模环在每个顶点处的局部时间。
• 应用同构定理：$\hat{\mathcal{L}}_{1/2}$ 与 $\frac{1}{2}\varphi_{\mathbb{R}}^2$ 同分布，其中 $\varphi_{\mathbb{R}}$ 为实高斯自由场。
• 通过威尔逊算法构建环系综，利用环消除随机游走与局部时间的泊松-狄拉克分解。
• 推导出欧拉网络 $k$ 的测度为 $\mu(k) = \tau(\tilde{k}) \prod_{x}(k_{x}-1)! \prod_{x,y} \frac{P_{x,y}^{k_{x,y}}}{k_{x,y}!}$，其中 $\tau(\tilde{k})$ 通过矩阵-树定理计算有向图 $\tilde{k}$ 的有向生成树数量。
• 使用行列式公式 $\det(M_{\chi}-C)\text{Per}(G)$ 将 $\det(M_{\chi}D_N - N)$ 的期望值表示为格林函数与电导的函数。
• 依赖于环测度 $\mu$ 与 Dirichlet 型 $\mathcal{E}$ 之间的对偶性，其中电导 $C_{x,y}$ 与消亡测度 $\kappa$ 定义底层的马尔可夫过程。

实验结果

研究问题

• RQ1 泊松环系综的局部时场如何与高斯自由场的平方相关？
• RQ2 广义第二 Ray-Knight 定理能否从环系综动力学中推导出？
• RQ3 泊松环系综诱导的欧拉网络测度是什么？它与 BEST 定理有何关系？
• RQ4 如何用环测度与电导表示图的雅可比环面？
• RQ5 环簇的渗滤性质如何？其与顶点子集间最大流的关系是什么？

主要发现

• 强度为 $\mu/2$ 的泊松环系综的局部时场 $\hat{\mathcal{L}}_{1/2}$ 与 $\frac{1}{2}\varphi_{\mathbb{R}}^2$（实高斯自由场的平方）同分布。
• 该同构为广义第二 Ray-Knight 定理提供了新的概率性证明，通过在边界顶点处分解局部时场实现。
• 非零欧拉网络 $k$ 的测度为 $\mu(k) = \tau(\tilde{k}) \prod_{x}(k_{x}-1)! \prod_{x,y} \frac{P_{x,y}^{k_{x,y}}}{k_{x,y}!}$，其中 $\tau(\tilde{k})$ 为有向图 $\tilde{k}$ 的有向生成树数量。
• 非平凡网络的总 $\mu$-测度为 $-\log(\det(I - P))$，与环测度的归一化一致。
• 行列式恒等式 $E[\det(M_{\chi}D_N - N)] = \det(M_{\chi}-C)\text{Per}(G)$ 成立，将环系综与矩阵永久值及格林函数联系起来。
• 雅可比环面的体积 $|\mathrm{Jac}(\mathcal{G})|$ 等于 $1/\sqrt{\det(\Lambda) \prod_{e\in E} C_e}$，其中 $\Lambda$ 为同调基的交集矩阵。