[论文解读] Stationary probability of the identity for the TASEP on a ring

Erik Aas|arXiv (Cornell University)|Dec 27, 2012

Stochastic processes and statistical mechanics参考文献 3被引用 5

一句话总结

本文解決了 Thomas Lam 對於環形 TASEP 中恆等排列的靜態機率之猜想。利用多行佇列（MLQ）來描述靜態分佈，作者推導出表示已排序字串的 MLQ 數量之封閉公式，證明恆等排列的靜態機率僅取決於字母的重複次數，而非其順序。

ABSTRACT

Consider the following Markov chain on permutations of length $n$. At each time step we choose a random position. If the letter at that position is smaller than the letter immediately to the left (cyclically) then these letters swap positions. Otherwise nothing happens, corresponding to a loop in the Markov chain. This is the circular TASEP. We compute the average proportion of time the chain spends at the identity permutation (and, in greater generality, at sorted words). This answers a conjecture by Thomas Lam.

研究动机与目标

• 計算環形 TASEP 中恆等排列的靜態機率。
• 解決 Thomas Lam 對環形 TASEP 靜態分佈之猜想。
• 利用多行佇列推廣任意重複類型之已排序字串靜態機率公式。
• 建立已排序字串之靜態機率僅取決於其字母重複次數，而非順序的事實。

提出的方法

• 本文使用多行佇列（MLQ）作為組合工具，以編碼 TASEP 的靜態分佈。
• 定義 MLQ 上的標籤程序，將每個有效配置對應至特定類型的字串。
• 表示字串 $ u $ 的 MLQ 數量，記為 $[u]$，用於計算靜態機率 $ \pi(u) = [u]/Z_{\mathbf{m}} $，其中 $ Z_{\mathbf{m}} $ 為類型 $ \mathbf{m} $ 的所有 MLQ 總數。
• 關鍵步驟為利用數學歸納法與二項式恆等式，證明對於已排序字串 $ w = 1^{m_1}2^{m_2}\dots r^{m_r} $，有 $[w] = \prod_{i=2}^{r-1} \binom{n - m_i}{m_1 + \cdots + m_{i-1}} $。
• 證明利用某種變換 $ f(v) = e^{(g(v))} $ 於特定字串子集上，以連結不同配置間的計數。
• 該方法可推廣至具有粒子特異跳躍速率的非均勻 TASEP，進而導出涉及對稱多項式與生成函數的公式。

实验结果

研究问题

• RQ1 在具有任意粒子重複次數之環形 TASEP 中，恆等排列的靜態機率為何？
• RQ2 為何已排序字串的靜態機率僅取決於其字母重複次數，而非順序？
• RQ3 能否完全利用多行佇列來描述環形 TASEP 的靜態分佈？
• RQ4 已排序字串的靜態機率公式如何推廣至具有不同跳躍速率的非均勻 TASEP？
• RQ5 何種組合恆等式支撐靜態機率在字母重複次數排列下不變的現象？

主要发现

• 環形 TASEP 中恆等排列的靜態機率為 $ \pi(1^{m_1}2^{m_2}\dots r^{m_r}) = \left( \prod_{i=2}^{r-1} \binom{n - m_i}{m_1 + \cdots + m_{i-1}} \right) / Z_{\mathbf{m}} $，其中 $ Z_{\mathbf{m}} = \prod_{i=1}^r \binom{n}{m_1 + \cdots + m_i} $。
• 已排序字串的靜態機率僅取決於重複次數 $ m_1, \dots, m_r $，而非其順序，此一事實由推導出的公式所確認。
• 在特殊情形 $ m_1 = \cdots = m_r = 1 $ 時，恆等排列的靜態機率為 $ \binom{n}{1}^{-1} \prod_{i=2}^{n-1} \binom{n-1}{i-1} $，從而確認 Lam 的猜想。
• 表示已排序字串 $ w $ 的 MLQ 數量為 $ [w] = \prod_{i=2}^{r-1} \binom{n - m_i}{m_1 + \cdots + m_{i-1}} $，此值與 $ m_i $ 的順序無關。
• 該方法可延伸至具有粒子特異速率 $ x_i $ 的非均勻 TASEP，導出涉及對稱多項式與二項係數的生成函數公式。
• 當所有 $ v_i = 1 $ 時，非均勻推廣退化為均勻情形，確認該框架的一致性與普遍性。