[论文解读] The Dynamical Discrete Web

Luiz Renato Fontes, Charles M. Newman+2 more|ArXiv.org|Apr 20, 2007

Cellular Automata and Applications参考文献 10被引用 4

一句话总结

本文研究了动力离散线网（DDW），即在连续动力时间中演化的一组 coalescing（合并）的随机游走，并识别出某些异常时间 $ s $，此时从原点出发的游走表现出非典型行为——具体而言，$ \limsup S^s(n)/\sqrt{n} \leq K $，并发现此类异常时间的 Hausdorff 维数与 $ K $ 存在非平凡依赖关系。结果可推广至其标度极限——动力布朗线网。研究动机源于与动力渗滤的类比。

ABSTRACT

The dynamical discrete web (DDW), introduced in recent work of Howitt and Warren, is a system of coalescing simple symmetric one-dimensional random walks which evolve in an extra continuous dynamical parameter s. The evolution is by independent updating of the underlying Bernoulli variables indexed by discrete space-time that define the discrete web at any fixed s. In this paper, we study the existence of exceptional (random) values of s where the paths of the web do not behave like usual random walks and the Hausdorff dimension of the set of such exceptional s. Our results are motivated by those about exceptional times for dynamical percolation in high dimension by Häggstrom, Peres and Steif, and in dimension two by Schramm and Steif. The exceptional behavior of the walks in DDW is rather different from the situation for dynamical random walks of Benjamini, Häggstrom, Peres and Steif. In particular, we prove that there are exceptional values of s for which the walk from the origin S^s(n) has limsup S^s(n)/\sqrt n \leq K with a nontrivial dependence of the Hausdorff dimension on K. We also discuss how these and other results extend to the dynamical Brownian web, a natural scaling limit of DDW. The scaling limit is the focus of a paper in preparation; it was studied by Howitt and Warren and is related to the Brownian net of Sun and Swart.

研究动机与目标

• 分析动力离散线网（DDW）中是否存在异常时间 $ s $，使得从原点出发的路径偏离典型的布朗运动标度行为。
• 量化满足 $ \limsup S^s(n)/\sqrt{n} \leq K $ 的此类异常 $ s $ 的集合的 Hausdorff 维数。
• 建立 DDW 与其标度极限——动力布朗线网之间的联系，并将结果推广至该连续极限。
• 将 DDW 中的异常行为与 Benjamini 等人研究的其他动力随机游走模型中的行为进行对比。
• 利用耦合与 FKG 不等式技术，对罕见路径行为的概率提供严格界。

提出的方法

• 将 DDW 建模为在偶数时空格点 $ \mathbb{Z}_{\text{even}}^2 $ 上的独立伯努利过程 $ \xi_{i,j}^s $ 的连续时间演化，状态变化速率为 $ \lambda/2 $。
• 通过由 $ \xi_{i,j}^s $ 决定的箭头定义前向与后向合并路径，形成在相遇时合并的路径网络。
• 使用耦合技术比较一个扰动游走 $ S_\epsilon' $ 与一个参考游走 $ \bar{S}_\epsilon $，追踪其随时间的相对位移。
• 应用 FKG 不等式，界定参考游走 $ \bar{S}_\epsilon $ 触及下边界而扰动游走 $ S_\epsilon' $ 保持在偏移边界之上的概率。
• 利用时间阈值 $ k_i $（定义为 $ i = K(1-l)\sqrt{k_i} $）在区间上建立 $ S_\epsilon' - \bar{S}_\epsilon $ 超过阈值的概率的归纳界。
• 使用大数定律控制时间尺度 $ n(\epsilon) $，并选择指数 $ a < 2/3 $，以确保 $ \epsilon^2 n(\epsilon)^{3/2} = O(\epsilon) $，从而得到 $ O(\epsilon) $ 的误差界。

实验结果

研究问题

• RQ1 是否存在动力时间参数 $ s $ 的异常值，使得 DDW 中从原点出发的路径满足 $ \limsup S^s(n)/\sqrt{n} \leq K $（$ K > 0 $）？
• RQ2 此类异常 $ s $ 的集合的 Hausdorff 维数是多少？其如何依赖于 $ K $？
• RQ3 DDW 中的异常行为与 Benjamini 等人研究的其他动力随机游走模型中的行为有何不同？
• RQ4 DDW 的结果能否推广至其标度极限——动力布朗线网？
• RQ5 在耦合与条件概率下，哪些技术对界定 DDW 中罕见路径行为的概率是有效的？

主要发现

• 存在满足 $ \limsup S^s(n)/\sqrt{n} \leq K $ 的 $ s $ 的异常值，且此类 $ s $ 的集合具有正的 Hausdorff 维数，且该维数与 $ K $ 存在非平凡依赖关系。
• 满足 $ \limsup S^s(n)/\sqrt{n} \leq K $ 的异常 $ s $ 的集合的 Hausdorff 维数严格小于 1，且随 $ K $ 变化。
• 在适当的时序缩放下，扰动游走 $ S_\epsilon' $ 保持在边界之上而参考游走 $ \bar{S}_\epsilon $ 触及下边界这一事件的概率被控制为 $ O(\epsilon) $。
• 证明依赖于在区间 $ (k_i, k_{i+1}] $ 上的归纳耦合论证，其中 $ S_\epsilon' - \bar{S}_\epsilon $ 必须至少两次跳跃才能跨越阈值，其概率为 $ O(\epsilon^2 (k_{i+1} - k_i)^2) $。
• 在时间阈值 $ n(\epsilon) \sim \epsilon^{-a} $ 中选择 $ a < 2/3 $，可确保 $ \epsilon^2 n(\epsilon)^{3/2} = O(\epsilon) $，这对误差界至关重要。
• 结果已推广至动力布朗线网，即 DDW 的标度极限，该结果是即将发表的论文的重点，且与 Sun 和 Swart 的布朗网相关。