[논문 리뷰] Central limit theorem for linear eigenvalue statistics of random geometric graphs

Christian Hirsch, Kyeongsik Nam외 1명|arXiv (Cornell University)|2026. 02. 19.

Random Matrices and Applications인용 수 0

한 줄 요약

본 논문은 임의의 기하 그래프의 선형 고윳값 통계에 대한 중심극한정리(CLT)를 입증하며, 폭넓은 테스트 함수에 대한 일반 CLT와 다항 테스트 함수에 대한 정량적 CLT를 포함하고, 관련된 공간 네트워크로의 확장을 다룬다.

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.

연구 동기 및 목표

• 공간에 내재된 랜덤 그래프의 스펙트럼 분석을 촉진하고 기하학적 제약 하에서 고윳값의 변동을 이해한다.
• A_n이 랜덤 기하 그래프의 인접 행렬이고 f가 넓은 범주의 테스트 함수일 때 Tr[f(A_n)]에 대한 CLT를 확립한다.
• 다항식 테스트 함수에 대해 Wasserstein 거리에서의 정량적 속도(수율)를 제공한다.
• 다항식 테스트 함수에 대한 CLT를 k-최근접 이웃 그래프 및 상대 이웃 그래프와 같은 다른 공간 네트워크로 확장한다.

제안 방법

• 행렬 거듭 제곱의 트레이스와 스코어 함수 표현을 통해 다항식 테스트 함수에 대한 CLT를 유도하기 위해 Malliavin–Stein 접근법을 사용한다.
• L_n(f)=Tr[f(A_n)]를 포아송 점 과정 위의 스코어 g_f의 합으로 표현하여 분산 및 고차 모먼트 분석을 가능하게 한다.
• 안정화와 Mecke 공식을 이용해 분산의 점근적 형태와 양의 극한 분산을 확립한다.
• 다항식에 대한 Wasserstein 속도 경계를 얻기 위해 Malliavin–Stein 정량적 프레임워크를 적용한다.
• 공간 의존성에 맞춘 Fourier-해석적 근사 전략을 통해 일반 매끈한(비다항) 테스트 함수로 확장한다.

실험 결과

연구 질문

• RQ1 임의의 기하 그래프의 선형 고윳값 통계가 광범위한 테스트 함수에 대해 중심극한정리를 만족하는가?
• RQ2 연결 대역(RGG) 설정에서 다항식 테스트 함수에 대해 명시적 수렴 속도를 갖는 정량적 CLT를 얻을 수 있는가?
• RQ3 k-최근접 이웃 그래프와 상대 이웃 그래프 등 다른 공간 네트워크에서도 유사한 다항식 테스트 함수 CLT가 성립하는가?
• RQ4 희소 구간에서 분산의 점근적 형태와 비퇴화 가우시안 극한을 보장하는 조건은 무엇인가?
• RQ5 기하학적 의존성이 일반 테스트 함수로의 확장에 어떤 영향을 미치는가?

주요 결과

• 가중된 Sobolev 조건(sech(cx) 가중치)을 만족하는 일반 이차 미분가능한 f에 대해 Tr[f(A_n)]에 대한 CLT가 확립된다.
• 유한 분산 σ_f^2가 존재하며, (Tr[f(A_n)]−E Tr[f(A_n)])/√n은 N(0, σ_f^2)로 수렴한다.
• 다항식 f인 경우 극한 분산 σ_f^2가 존재하고, σ_f^2>0일 때 가우시안과의 Wasserstein 거리는 C/√n로 상한이 있다.
• 모든 다항식 계수가 비음수인 경우, 다항식이 항등제로 0이 아니면 한계 분산은 양수이다.
• 연구는 또한 k-최근접 이웃 그래프와 상대 이웃 그래프에 대한 다항식 테스트 함수 CLT를 제시한다.
• 이 방법은 Malliavin–Stein을 통한 다항식 함수 CLT와 공간 의존성 하에서 일반 테스트 함수로의 Fourier-해석적 확장을 결합한다.