하드코어 모델에서 독립 집합 개수 근사 불가능성 강화

초록

본 논문은 최대 차수가 Δ인 그래프의 하드코어 모델에서 활동도 λ가 임계값 λ_c(T_Δ)보다 클 때, 독립 집합 개수를 근사하는 FPRAS가 존재하지 않음을 Δ=3 및 Δ≥6에 대해 증명한다. 이를 위해 무작위 정규 그래프의 독립 집합 구조를 정밀히 분석하고, 기존의 2차 모멘트 기법을 개선하였다.

상세 분석

논문의 핵심은 무작위 Δ-정규 이분 그래프 G(n,Δ)에서 Gibbs 분포 μ가 ‘불균형’ 상태에 거의 전적으로 몰려 있다는 사실을 보이는 것이다. 이를 위해 저자들은 먼저 1차 모멘트 Φ₁(α,β)를 정의하고, λ가 λ_c(T_Δ)보다 클 때 Φ₁의 최대점이 (p⁺,p⁻) 혹은 (p⁻,p⁺)임을 Mossel et al.의 결과를 활용해 확인한다. 여기서 p⁺와 p⁻는 무한 Δ-정규 트리에서 루트가 차지될 확률의 상한·하한이며, λ_c(T_Δ) 초과 시 p⁺>p⁻가 된다.

다음 단계는 2차 모멘트 Φ₂(α,β,γ,δ,ε)를 분석하여, (α,β)=(p⁺,p⁻)일 때 Φ₂가 γ=α², δ=β², ε=α(1−α−β)에서 최대가 됨을 보이는 것이다. 기존 연구에서는 이 최대점 존재를 λ_c(T_Δ)<λ<λ_c(T_Δ)+ε(Δ) 구간에만 증명했으나, 본 논문은 새로운 파라미터화와 대칭성을 이용해 Δ=3에서는 모든 λ>λ_c(T₃), Δ≥6에서는 λ>λ_c(T_Δ) 전 범위에 대해 조건을 만족함을 증명한다. 특히, Lemma 5와 Corollary 6을 통해 Condition 1이 λ>λ_c(T_Δ) 전 구간에서 유지된다는 것을 수학적 부등식과 컴퓨터 보조 계산으로 확인한다.

이러한 2차 모멘트 분석은 작은 그래프 조건부 방법(small graph conditioning)과 결합되어 Z_{α,β}(G) 가 기대값에 강하게 집중함을 보인다. 결과적으로, μ(I_{δB}) ≤ a^{-n}·min{μ(I_{δ1}), μ(I_{δ2})} 형태의 불균형 부등식이 거의 확실히 성립하고, Glauber dynamics의 혼합 시간이 지수적으로 커짐을 의미한다. 따라서, Sly가 제시한 복잡도 감소 귀결을 그대로 적용할 수 있어, λ>λ_c(T_Δ) 구간에서 FPRAS가 존재하지 않음을 NP≠RP 가정 하에 강력히 증명한다. Δ=4,5에 대해서는 아직 완전한 구간이 남아 있지만, 논문은 기존 결과보다 훨씬 넓은 파라미터 영역을 커버한다.