[论文解读] Random cluster dynamics for the Ising model is rapidly mixing

Heng Guo, Mark Jerrum|ArXiv.org|Apr 30, 2016

Markov Chains and Monte Carlo Methods被引用 5

一句话总结

本文证明了在 $ q=2 $ 时随机簇模型的 Glauber 动态在多项式时间内混合，从而建立了对铁磁伊辛模型在任意温度下 Swendsen-Wang 算法混合时间的首个严格多项式上界。该结果依赖于一种新颖的随机簇模型与偶子图模型之间比较技术的扩展，利用了经典路径法与 Grimmett 和 Janson 提出的耦合方法。

ABSTRACT

We show that the mixing time of Glauber (single edge update) dynamics for the random cluster model at $q=2$ is bounded by a polynomial in the size of the underlying graph. As a consequence, the Swendsen-Wang algorithm for the ferromagnetic Ising model at any temperature has the same polynomial mixing time bound.

研究动机与目标

• 建立随机簇模型在 $ q=2 $ 时 Glauber 动态混合时间的多项式上界，该情形对应于伊辛模型。
• 解决关于铁磁伊辛模型 Swendsen-Wang 算法效率的长期悬而未决问题。
• 将不同模型（随机簇与偶子图）上马尔可夫链之间的比较技术扩展至处理一种不满足标准详细平衡条件且不可逆的耦合情形。
• 为在区域 $ 0 \leq (x-1)(y-1) < 2 $ 内近似计算 Tutte 多项式的复杂性提供基础洞见，特别是针对 $ q \in (0,2) $ 的情形。

提出的方法

• 采用基于 Sinclair 框架的典型路径法并结合阻塞界来分析混合时间。
• 利用 Grimmett 和 Janson 发现的随机簇与偶子图配置之间的耦合，以关联不同模型间的动力学。
• 将现有的马尔可夫链间比较技术扩展至处理非可逆动态及非对称转移概率的情形。
• 通过将随机簇链中的路径权重转换为偶子图链中已知的界，建立对随机簇链路径权重的界。
• 使用带有 Metropolis 拒绝概率的懒惰 Glauber 动态在边子集上定义马尔可夫链。
• 应用虫子模型与偶子图模型作为辅助链，以界定随机簇动力学的阻塞。

实验结果

研究问题

• RQ1 随机簇模型在 $ q=2 $ 时的 Glauber 动态是否在多项式时间内混合？
• RQ2 能否证明铁磁伊辛模型的 Swendsen-Wang 算法在多项式时间内混合？
• RQ3 是否能够将马尔可夫链间的比较技术扩展至耦合不可逆且不满足标准细致平衡条件的情形？
• RQ4 随机簇模型在 $ q=2 $ 时的混合时间是多少？它与在区域 $ 0 \leq (x-1)(y-1) < 2 $ 内近似计算 Tutte 多项式的复杂性有何关联？
• RQ5 能否通过其与偶子图动力学的关系来界定随机簇动力学的阻塞？

主要发现

• 随机簇模型在 $ q=2 $ 时 Glauber 动态的混合时间被界定为 $ \tau_{\varepsilon}(P_{RC}) \leq 8n^{4}m^{2}(m\ln(1-p)^{-1} + \ln\varepsilon^{-1}) $，证明了其多项式混合。
• 铁磁伊辛模型的 Swendsen-Wang 算法在多项式时间内混合，因为其混合速度至少与 Glauber 动态一样快。
• 随机簇动力学的阻塞被界定为 $ 8m^{2}n^{4} $，从而通过典型路径法实现了多项式混合时间的上界。
• 作者成功地将马尔可夫链间的比较技术扩展至一种非标准情形，涉及随机簇与偶子图配置之间的耦合。
• 该结果首次为 Swendsen-Wang 算法的混合时间提供了严格的多项式上界，解决了自 1990 年代初以来悬而未决的问题。
• 该分析证实，尽管伊辛模型存在相变，随机簇模型在 $ q=2 $ 时仍可通过 Glauber 动态实现高效的采样。