Hidden Clique Inference in Random Ising Model II: the planted Sherrington-Kirkpatrick model
随机 Ising 模型中的隐藏团推断（二）：植入式 Sherrington–Kirkpatrick 模型AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要主要研究自旋玻璃和离散稀疏主成分分析，未明确涉及所列经济或金融计量细分方向。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
随机 Ising 模型中的隐藏团推断（二）：植入式 Sherrington–Kirkpatrick 模型
- 研究问题
- 在植入式自旋玻璃模型中，如何检测和精确恢复隐藏团的铁磁均值偏移，并刻画依赖变量相关分析的统计极限？
- 方法与思路
- 作者分温度和参数区域建立极小极大速率，并通过集中界与中心极限定理分析平均统计量，再研究非高斯耦合的普适性。
- 材料陈述的贡献
- 摘要称获得多个区域的最优检测及恢复速率，证明速率可推广到非高斯耦合，并建立局部和全局相中的新概率结果。
- 阅读关注点
- 应核对植入机制、各区域的速率与边界、非高斯普适性所需条件，以及模型误设与稀疏主成分分析联系的确切含义。
- 阅读边界
- 这是 arXiv 预印本，同行评审或接收未核实；摘要未说明具体参数限制和非高斯条件，不能推断任意依赖结构均适用。
原文摘要
We study the problem of testing and recovering $k$-clique Ferromagnetic mean shift in the planted Sherrington-Kirkpatrick model (i.e., a type of spin glass model) with $n$ spins. The planted SK model -- a stylized mixture of an uncountable number of Ising models -- allows us to study the fundamental limits of correlation analysis for dependent random variables under misspecification. Our paper makes three major contributions: (i) We identify the phase diagrams of the testing problem by providing minimax optimal rates for multiple different parameter regimes. We also provide minimax optimal rates for exact recovery in the high/critical and low temperature regimes. (ii) We prove a universality result implying that all the obtained rates still hold with non-Gaussian couplings. (iii) To achieve the major results, we also establish a family of novel concentration bounds and central limiting theorems for the averaging statistics in the local and global phases of the planted SK model. These technical results shed new insights into the planted spin glass models. The pSK model also exhibits close connections with a binary variant of the single spike Gaussian sparse principle component analysis model by replacing the background identity precision matrix with a Wigner random matrix.