[论文解读] Sharp phase transition for the random-cluster and Potts models via decision trees

Hugo Duminil‐Copin, Aran Raoufi+1 more|arXiv (Cornell University)|May 8, 2017

Stochastic processes and statistical mechanics被引用 5

一句话总结

本文提出了单调测度的广义OSSS不等式，将经典的决策树框架推广至非乘积测度。该工具被应用于证明在传递和拟传递图上的随机簇模型与Potts模型中存在精确的相变。研究在亚临界相中建立了相关性的指数衰减，在超临界相中揭示了均场行为，并为平面格点给出了精确的临界点恒等式。

ABSTRACT

We prove an inequality on decision trees on monotonic measures which generalizes the OSSS inequality on product spaces. As an application, we use this inequality to prove a number of new results on lattice spin models and their random-cluster representations. More precisely, we prove that 1. For the Potts model on transitive graphs, correlations decay exponentially fast for $\\beta<\\beta_c$. 2. For the random-cluster model with cluster weight $q\\geq1$ on transitive graphs, correlations decay exponentially fast in the subcritical regime and the cluster-density satisfies the mean-field lower bound in the supercritical regime. 3. For the random-cluster models with cluster weight $q\\geq1$ on planar quasi-transitive graphs $\\mathbb{G}$, $$\\frac{p_c(\\mathbb{G})p_c(\\mathbb{G}^*)}{(1-p_c(\\mathbb{G}))(1-p_c(\\mathbb{G}^*))}~=~q.$$ As a special case, we obtain the value of the critical point for the square, triangular and hexagonal lattices (this provides a short proof of the result of Beffara and Duminil-Copin [Probability Theory and Related Fields, 153(3-4):511--542, 2012]). These results have many applications for the understanding of the subcritical (respectively disordered) phase of all these models. The techniques developed in this paper have potential to be extended to a wide class of models including the Ashkin-Teller model, continuum percolation models such as Voronoi percolation and Boolean percolation, super-level sets of massive Gaussian Free Field, and random-cluster and Potts model with infinite range interactions.

研究动机与目标

• 将OSSS不等式从乘积测度推广至统计力学中出现的单调测度，以实现对依赖系统分析的拓展。
• 在传递图上建立Potts与随机簇模型在亚临界相中相关性的指数衰减。
• 在随机簇模型的超临界相中，证明簇密度满足均场下界（q ≥ 1）。
• 为平面拟传递图（包括正方形、三角形与六边形格点）推导出精确的临界点恒等式。
• 提供一个适用于标准格点系统之外广泛模型类的一般性框架。

提出的方法

• 为单调测度开发新的决策树不等式，将OSSS不等式推广至非独立设定。
• 利用广义不等式，以决策树复杂度与变量影响度表示递增函数的方差上界。
• 通过耦合与FKG型论证，将该不等式应用于随机簇与Potts模型。
• 利用平面对偶性与无限簇的唯一性，推导出平面图的精确临界点恒等式。
• 通过递归构造与路径交叉论证控制误差项，并证明收敛至全测度事件。
• 利用FKG不等式与随机控制关系，比较不同边界条件下连通概率的大小。

实验结果

研究问题

• RQ1 OSSS不等式能否从乘积测度推广至统计力学中出现的单调测度？
• RQ2 在传递图上，q ≥ 1的随机簇模型在亚临界相是否表现出相关性的指数衰减？
• RQ3 在传递图上，超临界相的随机簇模型中，簇密度是否满足均场下界？
• RQ4 平面拟传递图G及其对偶图G*的精确临界点是什么？其与对偶图的关系如何？
• RQ5 广义决策树不等式能否应用于具有长程相互作用或连续型渗滤的模型？

主要发现

• 在传递图上的Potts模型中，当β < βc时，相关性以指数速度衰减，证实了精确的相变。
• 在传递图上，q ≥ 1的亚临界随机簇模型中，相关性指数衰减；在超临界相中，簇密度满足均场下界。
• 对于平面拟传递图G及其对偶图G*，恒等式 pc(G)pc(G*) / ((1−pc(G))(1−pc(G*)) = q 精确成立。
• 通过该恒等式，精确确定了正方形、三角形与六边形格点的临界点，为Beffara与Duminil-Copin的结果提供了简洁证明。
• 该方法适用于广泛模型类，包括Ashkin-Teller模型、Voronoi渗滤、布尔渗滤以及大规模高斯自由场水平集。
• 证明技术依赖于决策树方差上界、FKG不等式与几何构造，以控制边界效应并确保收敛至全测度事件。