[论文解读] The Vertex Reinforced Jump Process and a Random Schrödinger operator on finite graphs

Christophe Sabot, Pierre Tarrès+1 more|arXiv (Cornell University)|Jul 16, 2015

Bayesian Methods and Mixture Models参考文献 8被引用 6

一句话总结

本文引入了一个新的多元指数族，该族推广了逆高斯分布，并通过带有去相关势的随机施特姆-刘维尔算子，将其与顶点自加速跳跃过程（VRJP）和边自加速随机游走（ERRW）联系起来。关键贡献在于直接计算了ERRW混合测度的归一化常数——回答了戴亚科尼斯长期悬而未决的问题——通过证明混合场等于该算子的格林函数，从而实现了耦合与泛函极限定理。

ABSTRACT

We introduce a new exponential family of probability distributions, which can be viewed as a multivariate generalization of the Inverse Gaussian distribution. Considered as the potential of a random Schrödinger operator, this exponential family is related to the random field that gives the mixing measure of the Vertex Reinforced Jump Process (VRJP), and hence to the mixing measure of the Edge Reinforced Random Walk (ERRW), the so-called magic formula. In particular, it yields by direct computation the value of the normalizing constants of these mixing measures, which solves a question raised by Diaconis. The results of this paper are instrumental in [Sabot-Zeng,2015], where several properties of the VRJP and the ERRW are proved, in particular a functional central limit theorem in transient regimes, and recurrence of the 2-dimensional ERRW.

研究动机与目标

• 定义一个新的多元指数族，推广逆高斯分布，并与有限图上的随机施特姆-刘维尔算子建立联系。
• 建立顶点自加速跳跃过程（VRJP）的混合测度与特定随机势的随机施特姆-刘维尔算子格林函数之间的联系。
• 解决戴亚科尼斯提出的关于ERRW混合测度‘神奇公式’归一化常数的直接计算这一开放问题。
• 为从不同初始点出发的VRJP混合场提供耦合框架。
• 为结果向无限图的推广奠定基础，包括泛函中心极限定理和在瞬态区域的常返性性质。

提出的方法

• 通过涉及 $2\beta - P$ 的行列式比，在正向量 $\beta$ 上引入一个新的概率测度指数族，其中 $P$ 编码图的电导率。
• 定义随机施特姆-刘维尔算子 $H_\beta = -\Delta^W + V$，其中势能 $V = 2\beta - W$，确保其几乎必然正定。
• 证明VRJP的混合场 $e^{u_j}$ 的分布为 $G(i_0, j)/G(i_0, i_0)$，其中 $G = (H_\beta)^{-1}$ 是算子 $H_\beta = -\Delta^W + (2\beta - W)$ 的格林函数。
• 使用时间重标度技术将VRJP转化为初始局部时间单位化的过程，从而可应用文献[14]中的已知结果。
• 推导该指数族的拉普拉斯变换，表明其边缘分布为逆高斯分布，且场在距离为2时呈现去相关性。
• 应用递归LU分解分析行列式，并在定理1中证明归一化恒等式。

实验结果

研究问题

• RQ1 ERRW混合测度的归一化常数能否如戴亚科尼斯所问，实现直接计算？
• RQ2 VRJP的混合测度与随机施特姆-刘维尔算子格林函数之间有何关系？
• RQ3 从VRJP和ERRW中产生的随机势的指数族具有何种结构？它如何推广逆高斯分布？
• RQ4 能否利用随机施特姆-刘维尔算子框架，对来自不同起点的VRJP混合场实现耦合？
• RQ5 该表示形式对VRJP和ERRW的长期行为有何影响，例如常返性或泛函中心极限定理？

主要发现

• ERRW混合测度的归一化常数通过恒等式直接计算得出：$\int \mathbf{1}_{2\beta - P > 0} e^{-\langle \theta, \beta \rangle} \frac{d\beta}{\sqrt{|2\beta - P|}} = \exp\left(-\sum_{\{i,j\}\in E} W_{i,j} \sqrt{\theta_i \theta_j}\right) \prod_i \frac{1}{\sqrt{\theta_i}}$。
• VRJP的混合场 $e^{u_j}$ 的分布为 $G(i_0, j)/G(i_0, i_0)$，其中 $G = (H_\beta)^{-1}$ 是随机施特姆-刘维尔算子 $H_\beta = -\Delta^W + (2\beta - W)$ 的格林函数。
• 施特姆-刘维尔算子中随机势 $2\beta - W$ 在距离为2时表现出去相关性，这是该指数族的关键结构性质。
• $\beta_i$ 的边缘分布为参数为 $\left(\frac{1}{\sum_{j\sim i} W_{i,j} \sqrt{\theta_i \theta_j}}, 1\right)$ 的逆高斯分布，证实了其对逆高斯分布的多元推广。
• 该框架使得通过将不同初始顶点的VRJP混合场与同一算子的格林函数关联，实现其耦合。
• 该结果在[16]中具有关键作用，推动了在弱增强下 $d \geq 3$ 维VRJP和ERRW的泛函中心极限定理的建立，并促成了二维ERRW常返性的证明。