[论文解读] Temporal Correlation in Last Passage Percolation with Flat Initial Condition via Brownian Comparison

Riddhipratim Basu, Shirshendu Ganguly+1 more|arXiv (Cornell University)|Dec 10, 2019

Random Matrices and Applications参考文献 45被引用 11

一句话总结

本文通过新颖的布朗运动比较技术与布朗运动 Gibbs 性质，分析测地线权重分布，在 $\mathbb{Z}^2$ 上的定向指数 LPP 模型中，对平坦初始条件下的最后通过渗流，严格证明了时间协方差指数为 $\frac{4}{3}$。该结果证实了文献 [28] 中的猜想，并通过严格证明 $\text{Cov}(X_r, X_n) = \Theta\left(\left(\frac{r}{n}\right)^{4/3+o(1)}n^{2/3}\right)$ 当 $n \to \infty$ 且 $r/n$ 远离零，将平坦初始条件与滴状情形区分开来，后者指数不同。

ABSTRACT

We consider directed last passage percolation on $\mathbb{Z}^2$ with exponential passage times on the vertices. A topic of great interest is the coupling structure of the weights of geodesics as the endpoints are varied spatially and temporally. A particular specialization is when one considers geodesics to points varying in the time direction starting from a given initial data. This paper considers the flat initial condition which corresponds to line-to-point last passage times. Settling a conjecture by Ferrari and Spohn (SIGMA, 2016), we show that for the passage times from the line $x+y=0$ to the points $(r,r)$ and $(n,n)$, denoted $X_{r}$ and $X_{n}$ respectively, as $n o \infty$ and $\frac{r}{n}$ is small but bounded away from zero, the covariance satisfies $$\mbox{Cov}(X_{r},X_{n})=Θ\left((\frac{r}{n})^{4/3+o(1)} n^{2/3} ight),$$ thereby establishing $\frac{4}{3}$ as the temporal covariance exponent. This differs from the corresponding exponent for the droplet initial condition recently rigorously established in Ferrari and Occelli (2018), Basu and Ganguly (2018), and requires novel arguments. Key ingredients include the understanding of geodesic geometry and recent advances in quantitative comparison of geodesic weight profiles to Brownian motion using the Brownian Gibbs property. The proof methods are expected to be applicable for a wider class of initial data.

研究动机与目标

• 解决文献 [28] 中关于平坦初始条件下最后通过渗流时间相关指数的猜想。
• 严格建立在 $n \to \infty$ 时，不同时间点的通过时间 $X_r$ 与 $X_n$ 之间协方差的精确渐近尺度。
• 证明平坦初始数据的时间协方差指数为 $\frac{4}{3}$，与滴状情形中观察到的 $\frac{2}{3}$ 指数不同。
• 发展稳健的概率方法，适用于更广泛的初始数据类别，而不仅限于平坦或滴状配置。

提出的方法

• 利用布朗运动 Gibbs 性质，以高精度将测地线权重分布与布朗运动进行比较。
• 应用从文献 [16] 的重抽样论证中导出的 Airy^2 过程的定量比较估计。
• 采用几何分析最优路径与精细调校的随机比较技术相结合的混合方法。
• 引入涉及多个环境 $ω_0, ω_1, \tilde{\omega}_1, ω_2$ 的耦合框架，以控制通过时间差的波动。
• 将格点按多尺度分解为矩形 $R^k_\theta$，以局部化并控制测地线行为。
• 应用集中不等式与 Fubini 型论证，建立通过时间偏差的高概率事件。

实验结果

研究问题

• RQ1 在平坦初始条件下，最后通过渗流的正确时间协方差指数是什么？它是否与滴状情形不同？
• RQ2 能否通过概率与几何方法严格确立文献 [28] 预测的 $\frac{4}{3}$ 指数？
• RQ3 在平坦初始数据下，测地线权重分布与布朗运动在波动与相关结构方面如何比较？
• RQ4 本文所用方法在多大程度上可推广至满足特定增长条件的其他初始数据？
• RQ5 布朗运动 Gibbs 性质在量化平坦初始条件情形下最优路径的几何与权重方面起什么作用？

主要发现

• 在指数最后通过渗流中，平坦初始数据的时间协方差指数被严格确立为 $\frac{4}{3}$，证实了长期存在的猜想。
• 协方差满足 $\u005Ctext{Cov}(X_r, X_n) = \Theta\left(\left(\frac{r}{n}\right)^{4/3+o(1)}n^{2/3}\right)$，当 $n \to \infty$ 且 $r/n$ 远离零。
• 证明依赖于一种新颖的耦合构造，该构造以高概率确保差值 $X^*(\tilde{\omega}) - X^*(\omega)$ 有正的下界。
• 该方法在通过时间增量的条件方差上建立了 $\theta r^{2/3}$ 阶的下界，这是协方差下界的关键。
• 分析表明，在平坦初始条件情形下，测地线表现出与滴状情形不同的几何行为，尤其在横向波动方面。
• 所发展技术预计可推广至一大类初始数据，表明其在更广泛范围内的适用性，而不仅限于本文研究的具体模型。