Two-sided infinite self-avoiding walk in high dimensions

想象一位旅行者在广袤、无限的城市街区网格中漫游，一次迈出一步。这位旅行者遵循着一个单一且严格的规则：他们绝不能两次经过同一个交叉路口。如果一条路径需要踏上一个他们已经见过的角落，那么这条路径就是无效的，无法被采取。这个简单的约束创造了一个被称为“自回避行走”（self-avoiding walk）的复杂且蜿蜒的旅程。虽然规则易于陈述，但预测这种旅行者的长期行为却极其困难。在低维空间，比如一张平整的纸或一个三维房间，这仍然是一个开放性的数学问题，即旅行者是否能在不被困住的情况下永远持续下去，这使得很难断言在无限时间后会发生什么。然而，在高维空间中，由于有更多的移动空间，旅行者可以永远进行下去。几十年来，数学家们一直致力于描述这种无尽旅程的统计特性，特别是旅行者重复某些运动模式的频率。

来自剑桥大学的 Maarten Markering 的一项新研究终于为高维空间（特别是五维及以上维度）中的这种无限旅程提供了清晰的图景。研究人员构建了一个双向无限行走的数学模型，这可以被看作是一条向两个方向无限延伸的路径，而不是仅仅从一点开始向前移动。通过创建这个双向版本，Markering 能够证明旅行者的路径最终会进入一种可预测的节奏。研究表明，随着行走变得越来越长，任何特定转向和步进模式出现的频率都会趋于稳定。换句话说，如果你观察旅行者足够长的时间，他们做出特定移动序列的比例将会收敛到一个固定的数值，就像抛硬币最终会稳定在正反各占 50% 一样。这一结果证实了这种无限行走是“遍历的”（ergodic），这意味着它的长期行为是均匀的，且独立于它的起点，这一特性在过去由于依赖极其复杂且难以应用的数学工具而难以证明。

这项工作的意义在于其实现方式。以往针对高维行走类似结果的证明依赖于一种被称为“格点展开”（lace expansion）的高级且复杂的数学方法，这种方法通常被描述为一把难以挥舞的重锤。相比之下，Markering 的方法更为直接，仅依赖于路径存在数量以及路径撞击特定点的概率的基本统计学。通过避开格点展开，这项研究为五维及以上维度的无限行走的存在性提供了一个更简洁的证明，而这一事实此前已由 Hara 和 Slade 利用格点展开法所确立。此外，研究人员利用这种新的理解，提出了一种定义无限行走的不同方式，该方式基于一种称为“区域马尔可夫性质”（domain Markov property）的属性，它本质上是指未来的路径仅取决于当前位置以及旅行者此前经过的历史轨迹，而与到达该处的具体路线无关。这种替代性的定义被证明在高维空间下与标准定义是等价的，为未来的研究提供了新的基础。

论文还探讨了关于这些无限行走在三维或四维等低维空间是否存在的问题。虽然该研究并未证明它们在这些低维空间的存在性，但它为这类行走如果存在，将会呈现出怎样的形态建立了清晰的框架。研究人员提出了一个猜想，即只要满足特定的对称性和无记忆性属性，一个唯一的、稳定的路径甚至可能在三维或四维空间中存在。尽管作者无法在低维空间证明这一猜想，但他提供了一些支持性证据。研究结果确认，在五维及以上维度，无限行走不仅是一个理论上的可能性，而且是一个具有稳定统计特性的明确定义的客体。这意味着，在高维空间中，我们可以现在就能确信地表示，旅行者的路径不会陷入混沌的随机循环，而是会遵循一种一致的统计法则。研究结果表明，这种复杂的、纠缠的行走最终会变得平滑，从而允许旅行者以一种既自由又受简单底层规则支配的方式来探索网格。这种清晰度为理解其他类似的物理和数学系统打开了大门，例如长聚合物链的行为或复杂网络结构，在这些系统中，“不重复经过同一地点”的规则至截关重要。

通过构建双向无限行走，研究人员能够将路径视为一个整体，而不是仅仅作为一个从单点增长的序列。这种视角允许使用一种称为“耦合”（coupling）的技术，即想象两个不同的行走在并排运行。研究表明，如果让这两个行走运行足够长的时间，无论它们最初如何开始，它们最终都会合并并遵循完全相同的路径。这种合并行为是证明行走具有遍历性的关键。它意味着随着行走的进行，起点的记忆会逐渐消退，旅行者的未来将变得独立于其过去。这是一个深刻的洞察，因为这意味着无限行走在其结构中内置了一种“遗忘性”，确保无论旅程如何开始，它最终都会进入一种标准的、可预测的运动模式。

该研究还提供了一种计算特定模式出现概率的新方法。它表明，一个模式出现的概率与该行走在不撞击自身的情况下继续进行的路径数量直接相关。这种关系使得数学家能够高精度地预测任何模式出现的频率。例如，如果某种特定的转向序列极易导致行走者被困住，那么它在长期的运行中出现的频率就会较低。相反，那些允许行走者自由移动的模式会出现得更加频繁。这种约束与自由之间的平衡正是自回避行走独特特征的所在，而新的证明阐明了这种平衡在高维空间中是如何维持的。

在数学物理的更广泛背景下，这项工作有助于弥合简单模型与复杂现实之间的差距。自回避行走是理解像 DNA 或合成聚合物这样的长分子在空间中如何行为的基础模型。这些分子不能占据相同的空间，就像网格中的旅行者一样。通过证明这些行走在高维空间具有稳定的、可预测的特性，该研究为理解此类分子的行为提供了更坚实的理论基础。虽然现实世界是三维的，且那里的行为仍未被完全理解，但高维度的结果提供了一个至关重要的基准。它们表明，当空间足够大时，系统会以一种规则、可预测的方式运作，这有助于科学家理解当空间变得更加受限时会发生什么变化。

论文最后提出了一个关于这些无限行走在低维空间存在的猜想，认为只要满足特定的对称性和无记忆性属性，一个唯一的、稳定的路径甚至可能存在于三维或四维空间中。尽管这在低维空间中仍未得到证实，但本研究开发的方法提供了一条前进的路径。研究人员展示了，通过关注行走的根本属性而非依赖复杂的展开技术，是有可能揭示其行为中的深层真理的。这种方法不仅解决了高维空间中的一个特定问题，还提供了一个可以应用于其他困难的概率和统计物理问题的工具包。其结果为理解如何在一条拒绝留下自身轨迹的路径中产生秩序提供了一个更清晰、更直观的理解。