[论文解读] Phase transition for the frog model on biregular trees

Élcio Lebensztayn, Jaime Utria|arXiv (Cornell University)|Nov 13, 2018

Stochastic processes and statistical mechanics参考文献 16被引用 5

一句话总结

本文在双正则树 $\mathbb{T}_{d_1,d_2}$ 上建立了带有死亡机制的青蛙模型的相变现象，证明当活跃粒子的存活概率 $p$ 超过临界阈值 $p_c$ 时，过程以正概率存活；而当 $p$ 低于该阈值时，过程几乎必然灭绝。作者推导出 $p_c$ 的显式上下界，表明在每个顶点初始仅有一个粒子的配置下，当 $d_1, d_2 \to \infty$ 时，$p_c = \frac{1}{2} + \Theta\left(\frac{1}{d_1} + \frac{1}{d_2}\right)$，并采用多类型 Galton–Watson 分枝过程耦合方法完成证明。

ABSTRACT

We study the frog model with death on the biregular tree $\mathbb{T}_{d_1,d_2}$. Initially, there is a random number of awake and sleeping particles located on the vertices of the tree. Each awake particle moves as a discrete-time independent simple random walk on $\mathbb{T}_{d_1,d_2}$ and has a probability of death $(1-p)$ before each step. When an awake particle visits a vertex which has not been visited previously, the sleeping particles placed there are awakened. We prove that this model undergoes a phase transition: for values of $p$ below a critical probability $p_c$, the system dies out almost surely, and for $p > p_c$, the system survives with positive probability. We establish explicit bounds for $p_c$ in the case of random initial configuration. For the model starting with one particle per vertex, the critical probability satisfies $p_c(\mathbb{T}_{d_1,d_2}) = 1/2 + Θ(1/d_1+1/d_2)$ as $d_1, d_2 o \infty$.

研究动机与目标

• 研究非齐次双正则树 $\mathbb{T}_{d_1,d_2}$ 上带有死亡机制的青蛙模型是否存在相变及其性质，拓展此前在齐次树和 $\mathbb{Z}^d$ 上的研究结果。
• 确定当活跃粒子的存活概率 $p$ 变化时，过程是否以正概率存活或几乎必然灭绝。
• 在初始粒子配置为随机的情况下，建立临界概率 $p_c$ 的显式上下界。
• 在每个顶点初始仅有一个粒子的条件下，分析 $d_1, d_2 \to \infty$ 时 $p_c$ 的渐近行为。
• 将多类型 Galton–Watson 过程作为随机控制工具，推广用于分析非齐次树结构中过程的存活性。

提出的方法

• 在双正则树 $\mathbb{T}_{d_1,d_2}$ 上分析青蛙模型，其中顶点交替具有 $d_1+1$ 和 $d_2+1$ 的度数，粒子以离散时间简单随机游走方式移动，并在每一步前以概率 $1-p$ 死亡。
• 构建一个具有两种类型（对应于树中两种顶点类型）的多类型 Galton–Watson 分枝过程，以随机方式控制青蛙模型，确保若分枝过程灭绝，则青蛙模型亦灭绝。
• 推导出该分枝过程的首阶矩矩阵 $M$，其元素表示各类型预期后代数量，并利用其最大特征值 $\lambda(M)$ 判断灭绝或存活。
• 证明 $\lambda(M) < 1$ 可推出青蛙模型几乎必然灭绝，从而得到以 $d_1$、$d_2$ 和初始粒子分布表示的 $p_c$ 显式上界。
• 在每个顶点初始仅有一个粒子的情况下，通过对临界概率进行渐近分析，得出当 $d_1, d_2 \to \infty$ 时，$p_c = \frac{1}{2} + \Theta\left(\frac{1}{d_1} + \frac{1}{d_2}\right)$，该结果源自特征值条件。
• 证明过程利用了耦合论证和矩生成函数技术，将 Alves 等人 [3] 的方法适配至双正则树设置。

实验结果

研究问题

• RQ1 在双正则树 $\mathbb{T}_{d_1,d_2}$ 上的青蛙模型是否在存活概率 $p$ 上表现出非平凡的相变？
• RQ2 当初始粒子配置为随机时，临界概率 $p_c$ 的显式界是什么？
• RQ3 在每个顶点初始仅有一个粒子的条件下，当 $d_1, d_2 \to \infty$ 时，临界概率 $p_c$ 的渐近行为如何？
• RQ4 能否使用多类型 Galton–Watson 过程来随机控制双正则树上的青蛙模型，以判断其灭绝或存活？
• RQ5 与齐次树相比，顶点度数异质性在决定临界阈值 $p_c$ 的作用是什么？

主要发现

• 在 $\mathbb{T}_{d_1,d_2}$ 上，青蛙模型经历相变：当 $p < p_c$ 时，过程几乎必然灭绝；当 $p > p_c$ 时，以正概率存活。
• 通过多类型 Galton–Watson 分枝过程的首阶矩矩阵 $M$ 的最大特征值 $\lambda(M)$，推导出 $p_c$ 的显式上界，即 $p_c < \sqrt{\frac{(d_1+1)(d_2+1)}{[d_1(\mathbb{E}\eta+1)+1][d_2(\mathbb{E}\eta+1)+1]}}$。
• 在每个顶点初始仅有一个粒子的配置下，临界概率满足 $p_c(\mathbb{T}_{d_1,d_2}) = \frac{1}{2} + \Theta\left(\frac{1}{d_1} + \frac{1}{d_2}\right)$，当 $d_1, d_2 \to \infty$ 时，表明其收敛至 $1/2$ 的速度较慢。
• 构建的多类型 Galton–Watson 过程用于控制青蛙模型，确保若分枝过程灭绝，则青蛙模型亦灭绝。
• 通过几何级数和对数尺度方法，对从给定起点可达的顶点数期望进行有界处理，得出当 $p$ 较小时 $\mathbb{E}|\mathcal{B}_x \setminus \{x\}| < 1$ 的条件，从而暗示灭绝。
• 该方法将此前在 $\mathbb{Z}^d$ 和齐次树上的结果推广至双正则树，表明度数异质性以可量化方式影响临界阈值。