[論文レビュー] Optimal Lower Bound on Eigenvector Overlaps for non-Hermitian Random Matrices

Giorgio Cipolloni, László Erdős+2 more|arXiv (Cornell University)|Jan 9, 2023

Spectral Theory in Mathematical Physics被引用数 3

ひとこと要約

本稿は、i.i.d. ノイズを有する非エルミート確率的行列に対する対角固有ベクトル重ね合わせの最適な下界を、N のオーダーとして確立し、特異ベクトルがボトム部で完全に熱平衡化しており、最適な N⁻¹/² 収束速度を示している。この結果により、非エルミート系へのエイジェンステート熱平衡仮説（ETH）の拡張がなされ、ギニブル・エンsemblesを超える長年のギャップを解消する、固有値条件数に対する最初の最適な下界が得られた。

ABSTRACT

We consider large non-Hermitian $N imes N$ matrices with an additive independent, identically distributed (i.i.d.) noise for each matrix elements. We show that already a small noise of variance $1/N$ completely thermalises the bulk singular vectors, in particular they satisfy the strong form of Quantum Unique Ergodicity (QUE) with an optimal speed of convergence. In physics terms, we thus extend the Eigenstate Thermalisation Hypothesis, formulated originally by [Deutsch 1991] and proven for Wigner matrices in [Cipolloni, Erdős, Schröder 2020], to arbitrary non-Hermitian matrices with an i.i.d. noise. As a consequence we obtain an optimal lower bound on the diagonal overlaps of the corresponding non-Hermitian eigenvectors. This quantity, also known as the (square of the) eigenvalue condition number measuring the sensitivity of the eigenvalue to small perturbations, has notoriously escaped rigorous treatment beyond the explicitly computable Ginibre ensemble apart from the very recent upper bounds given in [arXiv:2005.08930] and [arXiv:2005.08908]. As a key tool, we develop a new systematic decomposition of general observables in random matrix theory that governs the size of products of resolvents with deterministic matrices in between.

研究の動機と目的

• i.i.d. ノイズを有する非エルミート確率的行列に対する対角固有ベクトル重ね合わせ Oii の最適な下界を確立すること。
• 特異ベクトルに対する強い量子一意的混合性（QUE）を証明することにより、エイジェンステート熱平衡仮説（ETH）を非エルミート行列へ拡張すること。
• ギニブル・エンsemblesを超えて、固有値条件数を厳密に評価するという長年の課題を解決すること。
• 一般観測量の新しい分解を確立し、その分解が、確定的行列をはさむリゾルベントの積を支配することを示すこと。
• たとえ分散 1/N の小さな i.i.d. ノイズが加えられても、固有ベクトルが √N のオーダーで摂動に敏感であることを示し、数値線形代数におけるランダムスムージングの有効性に限界があることの解明。

提案手法

• 一般観測量の新しいランダム行列理論における分解を導入し、異なるスペクトルパラメータにおけるヒルベルト化リゾルベントの相関を、全体の行列として特定すること。
• この分解を用いて、確定的行列をはさむリゾルベントの積を制御し、特異ベクトル相関の精密な解析を可能にすること。
• Λ + X の特異ベクトルに対する強い形の量子一意的混合性（QUE）を証明し、最適な N⁻¹/² での収束速度を示し、非常に高い確率で成立することを保証すること。
• 核関係（µ が固有値であれば、ker(Λ + X − µ) に属するベクトルは固有ベクトルであり、同時に特異値 0 の特異ベクトルである）を活用して、特異ベクトルから固有ベクトルへの転送原理を確立すること。
• 等方的局所法則とリゾルベント恒等式を用いて、リゾルベント展開における誤差項を推定し、特に G1 − M1 および G2 − M2 を含む項に注目すること。
• 積分表現と Eσ および Φσ を含む誤差項に対する精密な推定を用いて、リゾルベント展開における逸脱の大きさを制御し、最適な誤差境界を達成すること。

実験結果

リサーチクエスチョン

• RQ1 i.i.d. ノイズを有する非エルミート確率的行列に対する対角固有ベクトル重ね合わせ Oii の最適な下界は何か？
• RQ2 エイジェンステート熱平衡仮説（ETH）は非エルミート行列へ拡張可能か？ もしそうなら、どのような形で成立するか？
• RQ3 小さな i.i.d. ノイズ（分散 1/N）を加えると、固有値の摂動に対する感受性（固有値条件数として測定）はどのように変化するか？
• RQ4 リゾルベントと確定的行列をはさむ積を制御するための、ランダム行列理論における観測量の体系的分解を構築できるか？
• RQ5 ランダムスムージングは固有値条件数をどの程度低減できるか？ そして、その低減には根本的な限界があるか？

主な発見

• 対角固有ベクトル重ね合わせ Oii は、非常に高い確率で N に比例する定数倍の下界で抑えられ、ギニブル・エンsemblesを超える最初の最適な下界が確立された。
• Λ + X の特異ベクトルはボトム部で完全に熱平衡化しており、最適な収束速度 N⁻¹/² を有する強い形の量子一意的混合性（QUE）を満たしている。
• 最悪の摂動下でも、固有値条件数 √Oii は √N のオーダーのままであり、分散 1/N の小さな i.i.d. ノイズが加えられても、ランダムスムージングによる数値安定性の向上に根本的な限界があることを示している。
• 本稿では、確定的行列をはさむリゾルベントの積の大きさを支配する、観測量の新しい体系的分解を確立した。
• 核対応関係を介して特異ベクトルの熱平衡化が固有ベクトルへと転送され、特異ベクトル統計から固有ベクトル重ね合わせの境界を導出可能となった。
• リゾルベント展開における誤差解析は最適な境界に達しており、すべての誤差項が O≺(N⁻¹/²) のレベルで制御されており、主結果の鋭さが裏付けられた。