[论文解读] Weakly interacting particle systems on inhomogeneous random graphs

Shankar Bhamidi, Amarjit Budhiraja+1 more|arXiv (Cornell University)|Dec 2, 2016

Stochastic processes and statistical mechanics参考文献 6被引用 4

一句话总结

该论文为时变非均匀随机图上弱相互作用扩散过程建立了大数定律和混沌传播律，其中边概率可能随系统规模增大而衰减至零。此外，在更强条件下证明了单类型情形下的中心极限定理，将平均场极限推广至稀疏且动态的网络结构。

ABSTRACT

We consider weakly interacting diffusions on time varying random graphs. The system consists of a large number of nodes in which the state of each node is governed by a diffusion process that is influenced by the neighboring nodes. The collection of neighbors of a given node changes dynamically over time and is determined through a time evolving random graph process. A law of large numbers and a propagation of chaos result is established for a multi-type population setting where at each instant the interaction between nodes is given by an inhomogeneous random graph which may change over time. This result covers the setting in which the edge probabilities between any two nodes is allowed to decay to $0$ as the size of the system grows. A central limit theorem is established for the single-type population case under stronger conditions on the edge probability function.

研究动机与目标

• 发展弱相互作用扩散在时变非均匀随机图上的极限理论，将经典平均场结果从完全图推广至更一般情形。
• 分析当系统规模增大时边概率衰减至零的系统，涵盖先前工作中未涉及的稀疏网络情形。
• 在一般网络动态下，于多类型与单类型设置中建立混沌传播律与中心极限定理。
• 将经典结果从完全图推广至具有弱相互作用的动态、非均匀随机图。
• 为演化网络上具有通用边概率函数的相互作用粒子系统提供严格的渐近极限。

提出的方法

• 将系统建模为两个耦合的随机过程：一个描述时变随机图（网络动态），另一个描述节点状态演化（网络上的动力学）。
• 采用弱相互作用标度，使得节点与其邻居之间的相互作用强度与节点度数成反比，从而在稠密图中仍能保持弱耦合。
• 采用多类型群体框架，其中不同类型之间的边概率可不同，从而支持非均匀随机图模型。
• 运用特征函数方法与吕普诺夫条件，证明单类型情形下的中心极限定理。
• 使用鞅方法与矩估计，验证经验测度与波动项的分布收敛性。
• 应用子序列论证与特征函数收敛，建立经验测度与波动场的联合收敛性。

实验结果

研究问题

• RQ1 能否为时变非均匀随机图上的弱相互作用扩散过程建立大数定律与混沌传播律？
• RQ2 当系统规模增大时边概率衰减至零，该极限理论是否依然成立？
• RQ3 在边概率函数具有更强正则性与矩条件时，能否推导出单类型情形下波动场的中心极限定理？
• RQ4 当相互作用图非完全且随时间演化时，系统的渐近行为如何变化？
• RQ5 在动态随机图的多类型与单类型设置下，经验测度与波动场的极限分布为何？

主要发现

• 即使边概率衰减至零，仍为时变非均匀随机图上的弱相互作用扩散过程建立了大数定律与混沌传播律。
• 在边概率函数具有更强正则性与矩条件时，证明了单类型情形下的中心极限定理。
• 波动场依分布收敛至高斯过程，其极限方差由渐近边概率与相互作用结构决定。
• 通过特征函数收敛与吕普诺夫条件，验证了经验测度与波动场的收敛性。
• 证明依赖于矩估计与鞅技术，以控制随机图与相互作用项中的依赖结构。
• 结果将经典平均场极限从完全图推广至稀疏、动态且非均匀的网络拓扑结构。