[論文レビュー] Central limit theorem for linear eigenvalue statistics of random geometric graphs

Christian Hirsch, Kyeongsik Nam+1 more|arXiv (Cornell University)|Feb 19, 2026

Random Matrices and Applications被引用数 0

ひとこと要約

この論文は、ランダム幾何グラフの線形固有値統計量の中心極限定理（CLT）を証明し、広範なテスト関数に対する一般的なCLTと多項式テスト関数に対する定量的CLT、さらに関連する空間的ネットワークへの拡張を含む。

ABSTRACT

Random spatial networks-that is, graphs whose connectivity is governed by geometric proximity-have emerged as fundamental models for systems constrained by an underlying spatial structure. A prototypical example is the random geometric graph, obtained by placing vertices according to a Poisson point process and connecting two vertices whenever their Euclidean distance is less than a certain threshold. Despite their broad applicability, the spectral properties of such spatial models remain far less understood than those of classical random graph models, such as Erdős-Rényi graphs and Wigner matrices. The main obstacle is the presence of spatial constraints, which induce highly nontrivial dependencies among edges, placing these models outside the scope of techniques developed for purely combinatorial random graphs. In this paper, we provide the first rigorous analysis of Gaussian fluctuations for linear eigenvalue statistics of random geometric graphs. Specifically, we establish central limit theorems for $ ext{Tr}[ϕ(A)]$, where $A$ is the adjacency matrix and $ϕ$ ranges over a broad class of suitable (possibly non-polynomial) test functions. In the polynomial setting, we moreover obtain a quantitative central limit theorem, including an explicit convergence rate to the limiting Gaussian law. We further obtain polynomial-test-function CLTs for other canonical random spatial networks, including $k$-nearest neighbor graphs and relative neighborhood graphs. Our results open new avenues for the study of spectral fluctuations in spatially embedded random structures and underscore the delicate interplay between geometry, local dependence, and spectral behavior.

研究の動機と目的

• 空間に埋め込まれたランダムグラフのスペクトル解析を動機づけ、幾何制約の下で固有値のゆらぎを理解する。
• random geometric graphs の隣接行列 A_n と広いクラスのテスト関数 f に対して Tr[f(A_n)] のCLTを確立する。
• 多項式テスト関数に対して Wasserstein 距離の定量的な速度を提供する。
• 多項式テスト関数のCLTを k-NN グラフや相対近傍グラフなど他の空間ネットワークへ拡張する。

提案手法

• モリヤビン–スタイン法を用いて、行列べき乗のトレースとスコア関数表現を介して多項式テスト関数のCLTを導出する。
• L_n(f)=Tr[f(A_n)]を ポアソン点過程のスコア g_f の和として表現し、分散と高次モーメントの解析を可能にする。
• 安定化および Mecke の公式を用いて分散漸近と正の極限分散を確立する。
• モリヤビン–スタインの定量的枠組みを適用して多項式に対する Wasserstein-率境界を得る。
• 空間的依存に適応した Fourier解析的近似戦略を用いて、一般光滑関数（非多項式）テスト関数への拡張を行う。

実験結果

リサーチクエスチョン

• RQ1 ランダム幾何グラフの線形固有値統計量は広範なテスト関数のクラスに対して中心極限定理を満たすか。
• RQ2 RGG設定で多項式テスト関数に対して明示的な収束速度を伴う定量的CLTを得られるか。
• RQ3 k-NNグラフや相対近傍グラフなど他の空間ネットワークにも同様の多項式テスト関数CLTは成立するか。
• RQ4 疎領域における分散漸近と非退化なガウス極限を保証する条件は何か。
• RQ5 幾何誘起の依存性は多項式から一般のテスト関数への拡張にどのように影響するか。

主な発見

• 一般に二階弱微分可能な関数 f が加重 Sobolev 条件（sech(cx) 重み）を満たす場合、Tr[f(A_n)] のCLTが確立される。
• 有限な分散 σ_f^2 が存在し、(Tr[f(A_n)]−E Tr[f(A_n)])/√n は N(0, σ_f^2) に収束する。
• 多項式 f の場合、極限分散 σ_f^2 が存在し、σ_f^2>0 を満たす場合は Wasserstein 距離が C/√n でガウス分布に収束する。
• 全ての多項式係数が非負の場合、Polynomial が全てゼロでない限り極限分散は正である。
• k-NN グラフおよび相対近傍グラフに対しても多項式テスト関数のCLTを得ている。
• このアプローチは、モリヤビン–スタインによる多項式関数のCLTと、空間依存性の下での一般テスト関数への Fourier-解析拡張を組み合わせたもの。