[論文レビュー] Quantitative equidistribution of eigenvalues of Random Normal Matrices in the Wasserstein distance

P. García Arias|arXiv (Cornell University)|Mar 18, 2026

Random Matrices and Applications被引用数 0

ひとこと要約

要約: 本研究は、ヒート方程式による滑らか化手法を用いて、複数の点過程（特に Random Normal Matrices） の経験測度と極限平衡測度の期待2-Wasserstein距離を上限付ける。RNM、Ginibre、Bessel、および平面 GAF のゼロ集合についての結果を提供。

ABSTRACT

The object of study in this paper is the expected $2$-Wasserstein distance between the empirical measures of several point processes and their respective limit. For this, the main tool developed is a smoothing procedure in Euclidean spaces using the heat equation with Neumann boundary conditions. It is applied to the spectrum of Random Normal Matrices with extit{reasonable} assumptions, as well as to several families of Homogeneous Point Processes such as the infinite Ginibre ensemble, the Bessel ensemble, and the zero set of the planar Gaussian Analytic Function.

研究の動機と目的

• 点過程の一様分布誤差を Wasserstein 距離で定量化する動機付け。
• Neumann 熱方程式を用いた滑らか化手順を導入し、経験測度と極限を比較。
• 正則性仮定の下で RNM および斉次点過程の期待 2-Wasserstein 距離 の境界を提供。

提案手法

• コンパクト凸ユークリッド領域上で Wasserstein 距離を負の Sobolev ノルムと関連付ける熱滑らか化不等式を展開。
• 経験測度へ滑らか化を適用し、Dirichlet ラプラシアンの固有構造を用いて輸送を制御。
• Projection DPP の再現核特性を用いて線形統計量の分散と共分散を表現。
• Neumann ラプラシアンに対するフーリエ係数と Wasserstein 距離を結ぶ境界を導出。
• 潜在 Q を持つ Random Normal Matrix モデルや Ginibre、Bessel、平面 GAF ゼロ集合のような斉次点過程への特化。

実験結果

リサーチクエスチョン

• RQ1 RNM スペクトルの経験測度と平衡測度の期待2-Wasserstein距離を凸ドロップレット仮定の下で定量的に境界付けできるか。
• RQ2 斉次点過程の分散仮定の下での Wasserstein 距離の境界はどうなるか。
• RQ3 Neumann 熱方程式による滑らか化が Sobolev ノルムとスペクトルデータを通じて Wasserstein 距離をどう制御するか。
• RQ4 譜系が無限 Ginibre、Bessel、平面 GAF のゼロ集合へ拡張されるコロラリの可能性。
• RQ5 ポテンシャル、ドロップレット、境界の正則性仮定が境界達成にどのような役割を果たすか。

主な発見

• Convex ドロップレットと正則ポテンシャルを持つ RNMs に対して、期待 W2 距離は sqrt(log N)/sqrt N の因子で上界付けられる。
• 分散境界 Var(sum f(x)) ≼ L2 ノルム の斉次点過程では、平衡測度への期待 W2 距離は d=2 で sqrt(log L)/sqrt L，d>2 で L^{-1/d} にスケール。
• コロラリはこれらの境界が無限 Ginibre 系、Bessel 系、平面 GAF のゼロ集合にも適用されることを示す。
• 熱滑らか化不等式により具体的な境界が得られ: W2(mu, nu) は熱カーネル滑らか化と Sobolev 型項で制御される。
• 滑らか化アプローチは Ginibre および関連過程の既存結果を再現・拡張し、前提条件の下で対数因子まで最適速度を提供。