整数等差数列超图中的三个非微扰现象

本文讨论整数区间上的等差数列超图所呈现的负谱方向、connected coefficient 质量和高阶 Walsh 质量。

1. 问题本身

问题是:对每个固定的

0 < c < 1 , 0<c<1, 0<c<1,

是否存在常数

C ( c ) > 1 , C(c)>1, C(c)>1,

使得当 k k k 充分大时,集合

C ( c ) k = { 1 , 2 , ... , ⌊ C ( c ) k ⌋ } C(c)\^k=\{1,2,\ldots,\lfloor C(c)^k\rfloor\} C(c)k={1,2,...,⌊C(c)k⌋}

的每一种二染色都包含一条 k k k 项等差数列,且该数列两种颜色的数量之差至少为 c k ck ck?

下面把这个问题写成符号和与超图的形式。固定正整数 N , k N,k N,k,记

A N , k = { { a , a + d , ... , a + ( k − 1 ) d } : a , d ≥ 1 , a + ( k − 1 ) d ≤ N } \mathcal A_{N,k} =\bigl\{\{a,a+d,\ldots,a+(k-1)d\}: a,d\ge 1,\ a+(k-1)d\le N\bigr\} AN,k={{a,a+d,...,a+(k−1)d}:a,d≥1, a+(k−1)d≤N}

N = { 1 , ... , N } N=\{1,\ldots,N\} N={1,...,N} 中所有真正的、无回绕的 k k k 项等差数列。把 N N N 看成顶点集,把每条等差数列看成一条 k k k-一致超边,就得到一个自然的超图。

它的边数为

M : = ∣ A N , k ∣ = N 2 2 ( k − 1 ) + O ( N ) . M:=|\mathcal A_{N,k}| =\frac{N^2}{2(k-1)}+O(N). M:=∣AN,k∣=2(k−1)N2+O(N).

给每个顶点一个独立均匀符号 σ n ∈ { − 1 , 1 } \sigma_n\in\{-1,1\} σn∈{−1,1}。对边 P P P,记

S P ( σ ) = ∑ n ∈ P σ n . S_P(\sigma)=\sum_{n\in P}\sigma_n. SP(σ)=n∈P∑σn.

许多概率方法会把事件 ∣ S P ∣ ≥ c k |S_P|\ge ck ∣SP∣≥ck 当成稀有坏事件,再尝试用二阶近似、cluster expansion 或 Fourier 截断控制所有边的联合行为。下面三个结果说明:在指数长度区间上,这些看似自然的微扰方案分别会遇到三个不同的障碍。

2. 区间边界产生宏观负谱方向

令 B B B 是 A N , k \mathcal A_{N,k} AN,k 的边-点关联矩阵,即

B P , n = 1 { n ∈ P } . B_{P,n}=\mathbf 1_{\{n\in P\}}. BP,n=1{n∈P}.

矩阵 Q = B T B Q=B^{\mathsf T}B Q=BTB 半正定。移去对角线后,定义

A = Q − diag ⁡ Q . A=Q-\operatorname{diag}Q. A=Q−diagQ.

对任意符号向量 σ \sigma σ,有

σ T A σ = σ T Q σ − k M . \sigma^{\mathsf T}A\sigma =\sigma^{\mathsf T}Q\sigma-kM. σTAσ=σTQσ−kM.

虽然 Q Q Q 半正定, A A A 却存在大小为 N N N 的负特征值。一个显式方向来自双频函数

g k ( x ) = cos ⁡ ( ( 4 k − 3 ) π x ) − cos ⁡ ( ( 4 k − 5 ) π x ) . g_k(x)= \cos((4k-3)\pi x)-\cos((4k-5)\pi x). gk(x)=cos((4k−3)πx)−cos((4k−5)πx).

取离散向量

v n = g k ( n / N ) , 1 ≤ n ≤ N . v_n=g_k(n/N),\qquad 1\le n\le N. vn=gk(n/N),1≤n≤N.

当 k 5 / N → 0 k^5/N\to0 k5/N→0 时,可以证明

v T A v ≤ − N 2 200 v^{\mathsf T}Av\le -\frac{N^2}{200} vTAv≤−200N2

∥ v ∥ 2 2 = ( 1 + o ( 1 ) ) N . \|v\|_2^2=(1+o(1))N. ∥v∥22=(1+o(1))N.

因此 Rayleigh 原理给出

λ min ⁡ ( A ) ≤ − N 400 \lambda_{\min}(A)\le -\frac{N}{400} λmin(A)≤−400N

对充分大的 k k k 成立。

2.1 连续能量

令 K = k − 1 K=k-1 K=k−1。对定义在 0 , 1 0,1 0,1 上的有界实函数 h h h,考虑

E k ( h ) = ∫ 0 1 / K ∫ 0 1 − K d ( ∑ j = 0 K h ( a + j d ) ) 2 − ∑ j = 0 K h ( a + j d ) 2 d a   d d . \mathcal E_k(h)= \int_0^{1/K}\int_0^{1-Kd} \left \\left(\\sum_{j=0}\^{K}h(a+jd)\\right)\^2 -\\sum_{j=0}\^{K}h(a+jd)\^2 \\rightda\,dd. Ek(h)=∫01/K∫01−Kd (j=0∑Kh(a+jd))2−j=0∑Kh(a+jd)2 dadd.

离散二次型是这个积分的二维 Riemann 和:

v T A v = N 2 E k ( g k ) + o ( N 2 ) . v^{\mathsf T}Av =N^2\mathcal E_k(g_k)+o(N^2). vTAv=N2Ek(gk)+o(N2).

更具体地,利用

∥ g k ∥ ∞ ≤ 2 , ∥ g k ′ ∥ ∞ = O ( k ) , \|g_k\|\infty\le2, \qquad \|g_k'\|\infty=O(k), ∥gk∥∞≤2,∥gk′∥∞=O(k),

可以把内部网格、斜边网格和 d = 0 d=0 d=0 附近的遗漏条带统一控制为

∣ N − 2 v T A v − E k ( g k ) ∣ ≤ C k 5 N . \left|N^{-2}v^{\mathsf T}Av-\mathcal E_k(g_k)\right| \le \frac{Ck^5}{N}. N−2vTAv−Ek(gk) ≤NCk5.

2.2 唯一存活的共振

p = 4 K + 1 , q = 4 K − 1. p=4K+1,\qquad q=4K-1. p=4K+1,q=4K−1.

双频函数就是 cos ⁡ ( π p x ) − cos ⁡ ( π q x ) \cos(\pi p x)-\cos(\pi q x) cos(πpx)−cos(πqx)。展开余弦后,需要分析有限指数和

Ψ K ( r , s ) = ∑ 0 ≤ i , j ≤ K i ≠ j ∫ 0 1 / K ∫ 0 1 − K d e i π r ( a + i d ) e i π s ( a + j d ) d a   d d . \Psi_K(r,s)= \sum_{\substack{0\le i,j\le K\\i\ne j}} \int_0^{1/K}\int_0^{1-Kd} e^{i\pi r(a+id)}e^{i\pi s(a+jd)}da\,dd. ΨK(r,s)=0≤i,j≤Ki=j∑∫01/K∫01−Kdeiπr(a+id)eiπs(a+jd)dadd.

同号频率 ( p , p ) , ( q , q ) , ( p , q ) (p,p),(q,q),(p,q) (p,p),(q,q),(p,q) 都是

O ( 1 + log ⁡ K K ) , O\left(\frac{1+\log K}{K}\right), O(K1+logK),

相反的同频项 ( p , − p ) , ( q , − q ) (p,-p),(q,-q) (p,−p),(q,−q) 是 O ( K − 1 ) O(K^{-1}) O(K−1)。唯一留下常数量级极限的是 p , − q p,-q p,−q,因为 p − q = 2 p-q=2 p−q=2。

把 ℓ = i − j ≠ 0 \ell=i-j\ne0 ℓ=i−j=0 和 x = ( i + j ) / ( 2 K ) x=(i+j)/(2K) x=(i+j)/(2K) 代入后,每项精确化为

− K ( e i π ( i + j ) / K − 1 ) π 2 ( 4 K ℓ + i + j ) ( 4 K ℓ + i + j − 2 K ) . -\frac{K(e^{i\pi(i+j)/K}-1)} {\pi^2(4K\ell+i+j)(4K\ell+i+j-2K)}. −π2(4Kℓ+i+j)(4Kℓ+i+j−2K)K(eiπ(i+j)/K−1).

对固定 ℓ \ell ℓ 做 Riemann 极限,再用 O ( ( K ( 1 + ℓ 2 ) ) − 1 ) O((K(1+\ell^2))^{-1}) O((K(1+ℓ2))−1) 的一致控制交换极限与求和,得到

lim ⁡ k → ∞ E k ( g k ) = − L , \lim_{k\to\infty}\mathcal E_k(g_k)=-L, k→∞limEk(gk)=−L,

其中

L = 1 4 π 2 ∫ 0 1 ( 1 − cos ⁡ ( 2 π x ) ) ( 1 x ( 1 − x ) − π sin ⁡ ( π x ) ) d x . L=\frac1{4\pi^2}\int_0^1(1-\cos(2\pi x)) \left( \frac1{x(1-x)}-\frac\pi{\sin(\pi x)} \right)dx. L=4π21∫01(1−cos(2πx))(x(1−x)1−sin(πx)π)dx.

在 x ∈ 1 / 3 , 2 / 3 x\in1/3,2/3 x∈1/3,2/3 上,被积式中的括号至少为 4 − π 4-\pi 4−π,并且

1 − cos ⁡ ( 2 π x ) ≥ 3 / 2 1-\cos(2\pi x)\ge3/2 1−cos(2πx)≥3/2。于是

L ≥ 4 − π 8 π 2 > 1 100 . L\ge\frac{4-\pi}{8\pi^2}>\frac1{100}. L≥8π24−π>1001.

这就解释了负号的来源:它不是数值误差,而是无回绕区间边界产生的精确双频共振。

2.3 对自由能的影响

设 μ \mu μ 是 { − 1 , 1 } N \{-1,1\}^N {−1,1}N 上的均匀测度。对固定 η > 0 \eta>0 η>0,若

λ ≥ η k N , \lambda\ge \eta\frac{k}{N}, λ≥ηNk,

log ⁡ E μ exp ⁡ { − λ 2 ( σ T Q σ − k M ) } ≥ η 12800 k N . \log\mathbb E_\mu \exp\left\{-\frac\lambda2 (\sigma^{\mathsf T}Q\sigma-kM)\right\} \ge \frac{\eta}{12800}kN. logEμexp{−2λ(σTQσ−kM)}≥12800ηkN.

证明只需要一个 product Gibbs 试探测度:令各坐标独立,均值取为

E ν σ n = 1 4 g k ( n / N ) . \mathbb E_\nu\sigma_n=\frac14g_k(n/N). Eνσn=41gk(n/N).

在这个测度下,二次能量至多为 − N 2 / 3200 -N^2/3200 −N2/3200,而相对熵只有 O ( N ) O(N) O(N)。Gibbs 变分不等式立即给出上述 k N kN kN 量级下界。

因此,在临界尺度 λ ≍ k / N \lambda\asymp k/N λ≍k/N 上,把 centered quadratic sector 当成 exp ⁡ ( o ( N ) ) \exp(o(N)) exp(o(N)) 误差是不可能的。

3. 尾事件的 Walsh 系数

固定 0 < c < 1 0<c<1 0<c<1。为处理格点和奇偶性,令

m c = min ⁡ { m ∈ Z ≥ 0 : m ≥ c k , m ≡ k ( m o d 2 ) } , m_c=\min\{m\in\mathbb Z_{\ge 0}:m\ge ck, m\equiv k\pmod2\}, mc=min{m∈Z≥0:m≥ck,m≡k(mod2)},

并定义

b c ( x ) = 1 { ∣ ∑ i x i ∣ ≥ m c } , τ c = E b c . b_c(x)=\mathbf1_{\{|\sum_i x_i|\ge m_c\}}, \qquad \tau_c=\mathbb E b_c. bc(x)=1{∣∑ixi∣≥mc},τc=Ebc.

大偏差率为

I ( c ) = 1 + c 2 log ⁡ ( 1 + c ) + 1 − c 2 log ⁡ ( 1 − c ) , I(c)=\frac{1+c}{2}\log(1+c) +\frac{1-c}{2}\log(1-c), I(c)=21+clog(1+c)+21−clog(1−c),

所以

τ c = exp ⁡ { − I ( c ) k + O c ( log ⁡ k ) } . \tau_c=\exp\{-I(c)k+O_c(\log k)\}. τc=exp{−I(c)k+Oc(logk)}.

对 S ⊆ k S\subseteqk S⊆k,记 Walsh 系数

h ^ ( S ) = E h ( X ) ∏ i ∈ S X i . \widehat h(S)= \mathbb E\lefth(X)\\prod_{i\\in S}X_i\\right. h (S)=Eh(X)i∈S∏Xi.

由于 b c b_c bc 置换对称,系数只依赖 s = ∣ S ∣ s=|S| s=∣S∣,记作 b ^ c , s \widehat b_{c,s} b c,s。所有奇数阶系数都为零。对每个固定偶数 s s s,有

b ^ c , s τ c ⟶ c s . \frac{\widehat b_{c,s}}{\tau_c}\longrightarrow c^s. τcb c,s⟶cs.

特别地,若

β = b ^ c , 2 , γ = b ^ c , 4 , \beta=\widehat b_{c,2}, \qquad \gamma=\widehat b_{c,4}, β=b c,2,γ=b c,4,

则充分大 k k k 时

β ≥ c 2 2 τ c , γ ≥ c 4 2 τ c . \beta\ge\frac{c^2}{2}\tau_c, \qquad \gamma\ge\frac{c^4}{2}\tau_c. β≥2c2τc,γ≥2c4τc.

二阶系数还有精确格点公式。若 m ≡ k ( m o d 2 ) m\equiv k\pmod2 m≡k(mod2),且

p m = 2 − k ( k ( k + m ) / 2 ) , p_m=2^{-k}\binom{k}{(k+m)/2}, pm=2−k((k+m)/2k),

那么

b ^ m , 2 = p m ( k + m ) ( m − 1 ) k ( k − 1 ) . \widehat b_{m,2} =p_m\frac{(k+m)(m-1)}{k(k-1)}. b m,2=pmk(k−1)(k+m)(m−1).

这个公式后面既用于 cluster 权重,也用于精确消去 degree two。

4. 整数 AP bow-tie 的 connected coefficient

Y = b c − τ c , r c = 1 − τ c . Y=b_c-\tau_c, \qquad r_c=1-\tau_c. Y=bc−τc,rc=1−τc.

对每条 AP P P P,令 Y P Y_P YP 是 Y Y Y 在 P P P 上的副本。引入形式变量 z P z_P zP,定义

Z ( z ) = E ∏ P ∈ A N , k ( 1 − z P Y P r c ) . Z(\mathbf z)= \mathbb E\prod_{P\in\mathcal A_{N,k}} \left(1-\frac{z_PY_P}{r_c}\right). Z(z)=EP∈AN,k∏(1−rczPYP).

对互不重复的边族 F \mathcal F F, log ⁡ Z \log Z logZ 中平方自由单项式的系数是

∏ P ∈ F z P log ⁡ Z = ( − 1 ) ∣ F ∣ r c ∣ F ∣ κ ( Y P : P ∈ F ) , \left\\prod_{P\\in\\mathcal F}z_P\\right\log Z =\frac{(-1)^{|\mathcal F|}}{r_c^{|\mathcal F|}} \kappa(Y_P:P\in\mathcal F), P∈F∏zPlogZ=rc∣F∣(−1)∣F∣κ(YP:P∈F),

其中 κ \kappa κ 是联合 cumulant。

4.1 clean bow-tie

一条 clean loose cycle 是这样的超边环:相邻边恰好交于一个不同的点,非相邻边互不相交,其余点全是 private。

type- ℓ \ell ℓ clean bow-tie 由两条长度为 ℓ ≥ 3 \ell\ge3 ℓ≥3 的 clean loose cycles 组成;它们只共享一条 root AP P 0 P_0 P0,并在 P 0 P_0 P0 上使用四个不同的交点。

这样的 bow-tie 一共有 2 ℓ − 1 2\ell-1 2ℓ−1 条边,而且有精确公式

E ∏ P ∈ F Y P = κ ( Y P : P ∈ F ) = γ β 2 ℓ − 2 . \mathbb E\prod_{P\in\mathcal F}Y_P =\kappa(Y_P:P\in\mathcal F) =\gamma\beta^{2\ell-2}. EP∈F∏YP=κ(YP:P∈F)=γβ2ℓ−2.

原因很直接:

  1. 展开每条边的 Walsh 级数。
  2. private 变量不能出现在存活项中。
  3. 每条非 root 边只有两个共享点,因此只能选择 degree-two 系数 β \beta β。
  4. 两个环的奇偶约束迫使 root 边同时选择四个共享点,贡献 γ \gamma γ。
  5. 在 moment-cumulant 公式的每个 proper partition 中,至少有一个 block 不含 root。该 block 在删去 root 后是 loose path 的非空子集,存在一条端点边只与其他边共享至多一个点;对其 private 变量平均后,centered moment 为零。

所以该系数为

− γ β 2 ℓ − 2 r c 2 ℓ − 1 , -\frac{\gamma\beta^{2\ell-2}}{r_c^{2\ell-1}}, −rc2ℓ−1γβ2ℓ−2,

所有同型 bow-ties 完全同号。

4.2 真的整数 AP 中有很多 bow-ties

固定 ℓ ≥ 3 \ell\ge3 ℓ≥3。取

Δ = ⌊ N 100 k 2 ⌋ , \Delta=\left\lfloor\frac{N}{100k^2}\right\rfloor, Δ=⌊100k2N⌋,

并在 N / 3 N/3 N/3 附近选根 AP

P 0 = { A , A + Δ , ... , A + ( k − 1 ) Δ } . P_0=\{A,A+\Delta,\ldots,A+(k-1)\Delta\}. P0={A,A+Δ,...,A+(k−1)Δ}.

在两个互不相交的 root gaps 中分别选择 ℓ − 2 \ell-2 ℓ−2 个递增中间点。若相邻选点为 u < v u<v u<v,就放入

P ( u , v ) = { u , u + ( v − u ) , ... , u + ( k − 1 ) ( v − u ) } . P(u,v)=\{u,u+(v-u),\ldots,u+(k-1)(v-u)\}. P(u,v)={u,u+(v−u),...,u+(k−1)(v−u)}.

候选数是

( Δ − 1 ℓ − 2 ) 2 . \binom{\Delta-1}{\ell-2}^2. (ℓ−2Δ−1)2.

任何非预期交点都对应两个不同仿射表达式

( 1 − h ) u + h v , 0 ≤ h < k (1-h)u+hv,\qquad 0\le h<k (1−h)u+hv,0≤h<k

之间的一条非平凡线性方程。这样的方程只有 O ℓ ( k 2 ) O_\ell(k^2) Oℓ(k2) 类,每条至多损失

O ( Δ 2 ℓ − 5 ) O(\Delta^{2\ell-5}) O(Δ2ℓ−5) 个候选。因此当 N N N 足够大时,某个 root 至少属于

C ℓ − 1 ( N k 2 ) 2 ℓ − 4 C_\ell^{-1}\left(\frac{N}{k^2}\right)^{2\ell-4} Cℓ−1(k2N)2ℓ−4

个 clean bow-ties。

4.3 超临界 connected mass

N = ⌊ exp ⁡ ( ( I ( c ) + ε ) k ) ⌋ , ε > 0. N=\left\lfloor\exp((I(c)+\varepsilon)k)\right\rfloor, \qquad \varepsilon>0. N=⌊exp((I(c)+ε)k)⌋,ε>0.

对固定 ℓ \ell ℓ,把上述同一个 root 上所有 bow-tie 系数的绝对值相加,得到至少

C c , ℓ − 1 ( N k 2 ) 2 ℓ − 4 τ c 2 ℓ − 1 . C_{c,\ell}^{-1} \left(\frac{N}{k^2}\right)^{2\ell-4} \tau_c^{2\ell-1}. Cc,ℓ−1(k2N)2ℓ−4τc2ℓ−1.

它在 k k k 中的指数率是

( 2 ℓ − 4 ) ε − 3 I ( c ) . (2\ell-4)\varepsilon-3I(c). (2ℓ−4)ε−3I(c).

ℓ > 2 + 3 I ( c ) 2 ε \ell>2+\frac{3I(c)}{2\varepsilon} ℓ>2+2ε3I(c)

时,这个绝对质量指数增长。

独立边的自然对数尺度是

L N , k = M τ c = exp ⁡ { ( I ( c ) + 2 ε ) k + O c ( log ⁡ k ) } . L_{N,k}=M\tau_c =\exp\{(I(c)+2\varepsilon)k+O_c(\log k)\}. LN,k=Mτc=exp{(I(c)+2ε)k+Oc(logk)}.

如果进一步有

ℓ > 3 + 2 I ( c ) ε , \ell>3+\frac{2I(c)}{\varepsilon}, ℓ>3+ε2I(c),

则 bow-tie 绝对质量甚至指数级超过 L N , k L_{N,k} LN,k。

这里必须谨慎表述:对固定的有限 N , k N,k N,k,系数总数有限,所以不能字面声称"有限级数发散"。严格结论是:在 k → ∞ k\to\infty k→∞ 的超临界族上,不存在把全部高阶 square-free connected sector 以绝对值统一压到 o ( M τ c ) o(M\tau_c) o(Mτc) 的估计。

5. 消去 degree two 为什么仍然不够

固定

0 < c < c ′ < 1. 0<c<c'<1. 0<c<c′<1.

定义

t k = b ^ c , 2 b ^ c ′ , 2 , g = 1 − b c + t k b c ′ . t_k=\frac{\widehat b_{c,2}}{\widehat b_{c',2}}, \qquad g=1-b_c+t_kb_{c'}. tk=b c′,2b c,2,g=1−bc+tkbc′.

这个函数是 1 − b c 1-b_c 1−bc 的非负 majorant。它在三个区域上的取值分别是

g = { 1 , ∣ ∑ i x i ∣ < m c , 0 , m c ≤ ∣ ∑ i x i ∣ < m c ′ , t k , ∣ ∑ i x i ∣ ≥ m c ′ . g= \begin{cases} 1,& |\sum_i x_i|<m_c,\\ 0,& m_c\le|\sum_i x_i|<m_{c'},\\ t_k,& |\sum_i x_i|\ge m_{c'}. \end{cases} g=⎩ ⎨ ⎧1,0,tk,∣∑ixi∣<mc,mc≤∣∑ixi∣<mc′,∣∑ixi∣≥mc′.

按定义,它的整个二阶 Walsh 层精确为零:

g ^ 2 = 0. \widehat g_2=0. g 2=0.

它的均值也确实有所改善。若 μ k = E g \mu_k=\mathbb E g μk=Eg,则

1 − μ k = τ c − t k τ c ′ = ( 1 − c 2 ( c ′ ) 2 + o ( 1 ) ) τ c . 1-\mu_k =\tau_c-t_k\tau_{c'} =\left(1-\frac{c^2}{(c')^2}+o(1)\right)\tau_c. 1−μk=τc−tkτc′=(1−(c′)2c2+o(1))τc.

问题出在更高阶。

对每个固定偶数 s ≥ 4 s\ge4 s≥4,

g ^ s τ c ⟶ c 2 ( ( c ′ ) s − 2 − c s − 2 ) > 0. \frac{\widehat g_s}{\tau_c} \longrightarrow c^2\bigl((c')^{s-2}-c^{s-2}\bigr)>0. τcg s⟶c2((c′)s−2−cs−2)>0.

更强的是,Parseval 恒等式直接给出

Var ⁡ ( g ) = ( 1 + o ( 1 ) ) t k 2 τ c ′ = Θ c , c ′ ( τ c 2 τ c ′ ) . \operatorname{Var}(g) =(1+o(1))t_k^2\tau_{c'} =\Theta_{c,c'}\left(\frac{\tau_c^2}{\tau_{c'}}\right). Var(g)=(1+o(1))tk2τc′=Θc,c′(τc′τc2).

因此

Var ⁡ ( g ) 1 − μ k = exp ⁡ { ( I ( c ′ ) − I ( c ) ) k + O c , c ′ ( log ⁡ k ) } . \frac{\operatorname{Var}(g)}{1-\mu_k} =\exp\{(I(c')-I(c))k+O_{c,c'}(\log k)\}. 1−μkVar(g)=exp{(I(c′)−I(c))k+Oc,c′(logk)}.

也就是说,二阶层虽然被精确删掉,但剩余 Fourier 质量相对于均值收益反而大了一个指数因子。这些质量全部位于偶数阶 s ≥ 4 s\ge4 s≥4。

5.1 两个单色赋值已经足够

这个问题不依赖复杂的交图结构。令 H \mathcal H H 是任意 N N N 点、 M M M 边的 k k k-一致超图。对 0 ≤ α ≤ 1 0\le\alpha\le1 0≤α≤1,令

h = ( 1 − α ) + α g = 1 − α b c + α t k b c ′ , h=(1-\alpha)+\alpha g =1-\alpha b_c+\alpha t_kb_{c'}, h=(1−α)+αg=1−αbc+αtkbc′,

并考虑

Z H = E σ ∏ P ∈ H h ( σ P ) . Z_{\mathcal H} =\mathbb E_\sigma\prod_{P\in\mathcal H}h(\sigma_P). ZH=EσP∈H∏h(σP).

在全正和全负两个赋值上,每条边都落入 c ′ c' c′-tail,因此每个因子等于

1 + α ( t k − 1 ) . 1+\alpha(t_k-1). 1+α(tk−1).

所有因子非负,所以只保留这两个赋值就得到

Z H ≥ 2 1 − N ( 1 + α ( t k − 1 ) ) M . Z_{\mathcal H} \ge2^{1-N}\bigl(1+\alpha(t_k-1)\bigr)^M. ZH≥21−N(1+α(tk−1))M.

ϵ k = τ c − t k τ c ′ . \epsilon_k=\tau_c-t_k\tau_{c'}. ϵk=τc−tkτc′.

若按均值收益的临界尺度取

α ϵ k M = θ N , α ≤ 1 , \alpha\epsilon_kM=\theta N, \qquad \alpha\le1, αϵkM=θN,α≤1,

log ⁡ Z H ≥ N exp ⁡ ( Ω c , c ′ ( k ) ) . \log Z_{\mathcal H} \ge N\exp(\Omega_{c,c'}(k)). logZH≥Nexp(Ωc,c′(k)).

若再有 M / N → ∞ M/N\to\infty M/N→∞,常数项只有

( 1 − α ϵ k ) M = exp ⁡ { − θ N + o ( N ) } , (1-\alpha\epsilon_k)^M =\exp\{-\theta N+o(N)\}, (1−αϵk)M=exp{−θN+o(N)},

而归一化后的 partition function 仍满足

log ⁡ Z H ( 1 − α ϵ k ) M = N exp ⁡ ( Ω c , c ′ ( k ) ) . \log\frac{Z_{\mathcal H}}{(1-\alpha\epsilon_k)^M} =N\exp(\Omega_{c,c'}(k)). log(1−αϵk)MZH=Nexp(Ωc,c′(k)).

所以真正的障碍不是某个难数的 connected cluster,而是 majorant 在更稀有尾部上被迫出现的指数高尖峰。

6. 三个现象之间的关系

这三组结果分别指出三个不同来源:

  • 区间边界: off-diagonal AP Gram 矩阵出现大小为 N N N 的负特征值,临界二次自由能达到 k N kN kN 量级。
  • 一点评价结构: clean bow-ties 完全绕过双点 codegree 控制,并产生同号的高阶 connected coefficient 家族。
  • 稀有尾尖峰: 非负 majorant 可以精确消去二阶 Walsh 层,却必须在更稀有尾部付出指数高的点值和高阶 Fourier 质量。

它们共同说明:在超临界指数尺度上,仅靠"独立边常数项 + 小的二阶修正 + 绝对可和的高阶 remainder"并不足以描述整数 AP 超图的 partition function。

7. 结论的边界

本文的结果没有解决第 1 节提出的问题。

上面的负谱、bow-tie 和 majorant 结论只排除了若干自然的微扰估计。完整 partition function 中仍可能存在跨拓扑、跨 Fourier 层的非局部符号抵消。

因此,正确的研究结论是:任何成功方案都必须显式处理这些非微扰效应;不能把它们统统压入一个 o ( N ) o(N) o(N) 或 o ( M τ c ) o(M\tau_c) o(Mτc) 的绝对误差。

8. 可继续研究的问题

  1. 哪些其他区间线性图样也存在类似的双频边界负模?
  2. 循环模型消除了这里的区间边界,共轭后的 interval-to-cyclic 谱差能否精确分类?
  3. bow-tie 同号质量能否被一种依赖拓扑的有符号 resummation 抵消?
  4. 是否存在同时控制均值、点值和全部高阶 Walsh 质量的不同非负 majorant?
  5. 能否把这些结构结论转化为对 AP 避免染色数量的正面上界,而不依赖绝对 cluster summability?

参考资料


相关推荐
wabs6661 小时前
关于字符串【力扣541.反转字符串II的思考】
数据结构·算法·leetcode·字符串
土司大王1 小时前
LeetCode hot100——移动零
java·算法·leetcode
Tyler_TXZ3 小时前
C++C语言之——树
c语言·c++·算法·
旖旎夜光3 小时前
LeetCode 30:串联所有单词的子串(滑动窗口) —— 题解
数据结构·c++·算法·leetcode·滑动窗口
白狐_7983 小时前
408 数据结构|完全二叉树两道典型题:第 6 层叶结点数与叶结点总数
数据结构·算法
lucas_AI3 小时前
喂张白纸也能吐出证件号?文档 MLLM 的"关系级泄露"被测出来了
人工智能·算法·掘金技术征文
手写码匠3 小时前
华为云Flexus+DeepSeek征文|Dify 多 Agent 灰度发布实战:让每一次变更都“小步快跑、随时可回滚“
人工智能·深度学习·算法·aigc
阿部多瑞 ABU3 小时前
从0到1:用 Spring Boot 3.4 + Vue3 做一个能“智能排道次“的运动会编排系统(附核心算法)
java·spring boot·后端·算法·spring
Nil2084 小时前
leetcode 48旋转图像
算法·leetcode·职场和发展