On perturbations that preserve the connectivity properties in tree percolations

Sintesi Tecnica: Sulle Perturbazioni che Preservano le Proprietà di Connettività nelle Percolazioni su Alberi

Enunciato del Problema
Questo articolo investiga la stabilità delle proprietà di connettività in modelli di percolazione di legame (bond percolation) generali definiti su alberi infiniti e localmente finiti. Nello specifico, gli autori esaminano come l'esistenza (o l'assenza) di cluster infiniti sia influenzata da perturbazioni dipendenti dal livello delle probabilità di ritenzione dei legami $p_e$. La perturbazione sostituisce la probabilità originale $p_e$ con $\min\{1, q_{|e|}p_e\}$, dove $\{q_n\}_{n \ge 1}$ è una sequenza di fattori positivi e $|e|$ denota la distanza del legame dal radice.

Lo studio affronta due regimi distinti:

1. Stabilità dell'Assenza: Se il modello originale non ammette cluster infiniti ($P_p(I)=0$), sotto quali condizioni su perturbazioni $q_n \ge 1$ (che potenziano la connettività) il sistema rimane privo di cluster infiniti?
2. Stabilità dell'Esistenza: Se il modello originale ammette cluster infiniti (specificamente, cluster di bordo non numerabili con probabilità positiva), sotto quali condizioni le perturbazioni $0 < q_n \le 1$ (che indeboliscono la connettività) permettono la persistenza dell'esistenza di cluster infiniti?

Gli autori osservano che le perturbazioni banali (dove il prodotto $\prod q_n$ converge a un limite finito non nullo) si limitano a riscalare le probabilità, mentre i casi "veramente interessanti" coinvolgono perturbazioni divergenti dove $\prod q_n = 0$ (indebolimento cumulativo) o $\prod q_n = \infty$ (potenziamento cumulativo). Controesempi semplici dimostrano che la stabilità non è garantita in generale senza specifiche condizioni strutturali sull'albero o sul modello di percolazione.

Metodologia
Le dimostrazioni si basano pesantemente sulla caratterizzazione della capacità di Lyons per la percolazione sugli alberi, un risultato della teoria del potenziale discreto. La metodologia centrale prevede:

• Capacità ed Energia: L'utilizzo della relazione tra la probabilità di percolazione verso un insieme $E \subseteq \partial T$ e la capacità dell'insieme, $capp(E)$. Tale capacità è definita tramite un funzionale di energia $E_p(\mu)$ associato a una funzione di gauge $\Psi_p(x) = 1/P_p[o \to x]$.
• Teorema di Lyons: L'applicazione della disuguaglianza $capp(E) \le P_p[o \to E] \le 2capp(E)$, che lega la connettività probabilistica alla capacità potenzialistica.
• Analisi delle Perturbazioni: L'analisi di come il funzionale di energia cambi sotto le probabilità perturbate $q p$. Gli autori costruiscono specifiche sequenze di perturbazione $\{q_n\}$ e dimostrano che la finitezza del funzionale di energia (e quindi la positività della capacità) è preservata sotto determinate condizioni divergenti.
• Lemmi Ausiliari: La dimostrazione impiega lemmi elementari riguardanti sequenze sommabili per costruire sequenze strettamente crescenti $\{Q_n\}$ (correlate al prodotto cumulativo di $q_n$) che garantiscono la convergenza del funzionale di energia perturbato.

Contributi Chiave e Risultati
Il documento presenta il Teorema A, che stabilisce la robustezza dei regimi percolativi sotto assunzioni minime:

1. Stabilità nell'Assenza di Cluster Infiniti (Parte i):
   Se il modello originale non ha cluster infiniti quasi certamente, e la sequenza di perturbazione $q_n \ge 1$ soddisfa la condizione:
   $$\liminf_{n \to \infty} \left( \prod_{i=1}^n q_i \right) \cdot P_p[o \to V_n] = 0$$
   (dove $V_n$ è l'insieme dei vertici alla distanza $n$), allora anche il modello perturbato non ha cluster infiniti quasi certamente. Gli autori mostrano che una tale sequenza di perturbazione esiste sempre, anche se $\prod q_n = \infty$.

2. Stabilità dei Cluster Non Numerabili (Parte ii):
   Se il modello originale ha un cluster di bordo non numerabile con probabilità positiva ($P_p[o \xrightarrow{u} \partial T] > 0$), esiste una sequenza di perturbazione $q_n \in (0, 1)$ tale che $\lim_{n \to \infty} q_n = 1$ e l'esistenza quasi certa di un cluster non numerabile è preservata.

   • Necessità delle Condizioni: Il documento nota che la condizione di avere un cluster non numerabile è necessaria; se il cluster è numerabile (ad esempio, un singolo raggio), perturbazioni di indebolimento divergenti possono distruggere la percolazione (come mostrato nell'Esempio 1.1).
   • Caso Omogeneo: Per la percolazione omogenea ($p_e = p$), se il modello perturbato percolata, gli autori derivano una condizione necessaria che coinvolge il numero di ramificazione dell'albero e i fattori di perturbazione:
     $$\sum_{n=1}^\infty \frac{1 - q_n p}{p^n (\# E_n) \prod_{i=1}^n q_i} < \infty$$
     dove $\# E_n$ è il numero di vertici al livello $n$.

Significatività e Applicazioni
Gli autori affermano che i loro risultati dimostrano che il regime percolativo è "piuttosto robusto" rispetto a perturbazioni divergenti non banali, a patto che il sistema sottostante non sia "fragile" (ovvero basato su un singolo raggio).

Una primaria applicazione discussa riguarda la congettura di similarità di Erdős per gli insiemi di Cantor. Codificando un insieme di Cantor $C \subset [0, 1]$ come un sottografo $T_C$ dell'albero diadic, gli autori utilizzano il Teorema A (ii) per costruire una sequenza di pesi dipendenti dal livello $\{q_n\}$ (con $\prod q_n = 0$) tale che la percolazione perturbata sull'albero che codifica qualsiasi copia affine $\lambda C + t$ mantenga una probabilità positiva di connettersi al bordo.

• Ciò conduce al Corollario 4.2, il quale afferma che per ogni insieme di Cantor $C$, esiste un insieme $B$ di misura di Lebesgue nulla tale che $B \cap (\lambda C + t) \neq \emptyset$ per quasi tutti $\lambda, t$.
• Il documento posiziona questo come un potenziale percorso per studiare il problema della similarità di Erdős, notando che, sebbene la "grandezza" dell'intersezione sia stata stabilita, la continuità di questa proprietà rispetto a $(\lambda, t)$ rimane una questione aperta per una risoluzione completa della congettura.

Il lavoro si distingue per l'uso di caratterizzazioni potenzialistiche per fornire dimostrazioni concise con grande generalità, evitando metodi combinatori più elementari ma più laboriosi.