[论文解读] Optimal tail exponents in general last passage percolation via bootstrapping & geodesic geometry

Shirshendu Ganguly, Milind Hegde|arXiv (Cornell University)|Jul 7, 2020

Random Matrices and Applications参考文献 33被引用 5

一句话总结

该论文在曲率与重尾尾部假设下，针对Z²上具有通用i.i.d.权重的最后通过时滞渗滤模型，确立了上尾与下尾的最优尾指数分别为3/2与3。通过基于超可加性与测地线几何的创新自举程序，该研究在不依赖可积性的情况下，普遍推导出这些指数，从而从几何角度解释了GUE Tracy-Widom分布中观察到的尾部行为。

ABSTRACT

We consider last passage percolation on $\mathbb Z^2$ with general weight distributions, which is expected to be a member of the Kardar-Parisi-Zhang (KPZ) universality class. In this model, an oriented path between given endpoints which maximizes the sum of the i.i.d. weight variables associated to its vertices is called a geodesic. Under natural conditions of curvature of the limiting geodesic weight profile and stretched exponential decay of both tails of the point-to-point weight, we use geometric arguments to upgrade the assumptions to prove optimal upper and lower tail behavior with the exponents of $3/2$ and $3$ for the weight of the geodesic from $(1,1)$ to $(r,r)$ for all large finite $r$. The proofs merge several ideas, including the well known super-additivity property of last passage values, concentration of measure behavior for sums of stretched exponential random variables, and geometric insights coming from the study of geodesics and more general objects called geodesic watermelons. Previously such optimal behavior was only known for exactly solvable models, with proofs relying on hard analysis of formulas from integrable probability, which are unavailable in the general setting. Our results illustrate a facet of universality in a class of KPZ stochastic growth models and provide a geometric explanation of the upper and lower tail exponents of the GUE Tracy-Widom distribution, the conjectured one point scaling limit of such models. The key arguments are based on an observation of general interest that super-additivity allows a natural iterative bootstrapping procedure to obtain improved tail estimates.

研究动机与目标

• 建立KPZ普遍性类中非可积模型下最后通过时滞渗滤权重的最优尾部行为。
• 通过发展一种几何的、分布无关的方法，摆脱对可积概率中精确公式的依赖。
• 通过新的自举机制，将KPZ波动指数1/3与普遍的尾指数3/2和3相联系。
• 为一般LPP模型中GUE Tracy-Widom分布的上下尾指数提供几何解释。
• 通过超可加性与测地线路径的横向波动控制，统一尾部估计技术。

提出的方法

• 利用最后通过时滞值的超可加性，通过自举机制迭代改进尾部估计。
• 应用拉伸指数尾部随机变量和的测度集中性，以控制偏离。
• 利用测地线西瓜结构与平面性，推导跨尺度的横向波动界。
• 引入对二进制尺度的精细联合界，以控制测地线的全局横向波动。
• 采用点特定中心化与上确界控制，避免在尾部估计中使用粗糙的区间整体近似。
• 利用测地线排序与路径主导性之间的相互作用，推导波动事件的概率界。

实验结果

研究问题

• RQ1 能否在不假设可积性或精确分布公式的情况下，为最后通过时滞渗滤推导出3/2与3的最优尾指数？
• RQ2 超可加性如何支持一种自举程序，以迭代方式改进尾部估计？
• RQ3 测地线几何与横向波动在控制测地线权重大偏离概率中的作用是什么？
• RQ4 如何通过集中测度与几何论证替代KPZ模型中的精确代数计算？
• RQ5 GUE Tracy-Widom分布的普遍尾指数能否通过一般LPP模型中的几何与概率原理加以解释？

主要发现

• 从(1,1)到(r,r)的测地线权重上尾概率以exp(−cθ³/²)的速率衰减，与GUE Tracy-Widom分布的上尾指数一致。
• 下尾概率以exp(−cθ³)的速率衰减，在给定假设下实现了下尾最优指数3。
• 该证明在满足曲率与拉伸指数尾部衰减的一般i.i.d.权重分布下，普遍确立了这些尾指数。
• 基于超可加性的新型自举机制允许在无需精确公式的情况下迭代改进尾部估计。
• 通过多尺度二进制分解与联合界，将横向波动界从中点扩展至整个测地线。
• 结果为GUE Tracy-Widom分布中观察到的普遍尾指数提供了几何解释，将其与KPZ波动指数1/3相联系。