[논문 리뷰] Correlation functions of two-matrix models

L. Bonora, Chi Xiong|ArXiv.org|1993. 11. 16.

Tensor decomposition and applications참고 문헌 3인용 수 4

한 줄 요약

이 논문은 연속 근사에 의존하지 않고, 통합 계열과 W-제약 조건을 활용하여 이중 행렬 모델에서 상관 함수를 계산하는 방법을 제시한다. 이 방법은 스트링 방정식을 만족하는 명시적 해를 도출함으로써 전통적인 연속 기법으로는 드러나지 않는 새로운 해를 밝혀낸다.

ABSTRACT

We show how to calculate correlation functions of two matrix models. Our method consists in making full use of the integrable hierarchies and their reductions, which were shown in previous papers to naturally appear in multi--matrix models. The second ingredient we use are the $W$--constraints. In fact an explicit solution of the relevant hierarchy, satisfying the $W$--constraints (string equation), underlies the explicit calculation of the correlation functions. In the course of our derivation we do not use any continuum limit tecnique. This allows us to find many solutions which are invisible to the latter technique.

연구 동기 및 목표

• 이중 행렬 모델에서 상관 함수를 계산하기 위한 체계적인 방법을 개발하기 위해.
• 일부 비임계적 해를 가리키는 연속 근사 기법에 의존하는 것을 피하기 위해.
• 정확한 계산을 위한 기초로 통합 계열과 W-제약 조건을 활용하기 위해.
• 스트링 방정식을 만족하는 관련 계열의 명시적 해를 도출하기 위해.
• 표준 연속 근사에서 회피되는 기존에 접근할 수 없었던 해를 밝혀내기 위해.

제안 방법

• 이전에 다중 행렬 모델에서 확립된 통합 계열과 그 축소를 기반 수학적 프레임워크로 활용한다.
• 해의 공간을 고정하기 위한 일致성 조건으로 W-제약 조건(스트링 방정식)을 적용한다.
• W-제약 조건을 만족하는 계열의 명시적 해를 구성함으로써 물리적 일관성을 확보한다.
• 연속 근사 없이 이중 행렬 모델의 이산적 설정에서 직접 계산을 수행한다.
• 통합 체계 이론에 뿌리를 두고 있는 대수적 및 재귀적 기법을 활용하여 상관 함수를 계산한다.
• 연속 근사가 아닌 비연속 영역에서 작업함으로써 해의 공간을 완전히 제어하고, 비임계적 구조를 유지한다.

실험 결과

연구 질문

• RQ1 연속 근사 근사 없이 이중 행렬 모델에서 상관 함수를 어떻게 계산할 수 있는가?
• RQ2 통합 계열과 W-제약 조건은 상관 함수의 구조를 결정하는 데 어떤 역할을 하는가?
• RQ3 연속 근사 기법을 사용할 경우 드러나지 않는 이중 행렬 모델의 해가 존재하는가?
• RQ4 스트링 방정식을 만족하고 물리적 상관 함수를 도출할 수 있는 계열의 명시적 해를 구성할 수 있는가?
• RQ5 계산 시 연속 근사를 적용하지 않을 경우 어떤 새로운 구조나 해가 나타나는가?

주요 결과

• 이 방법은 통합 계열과 W-제약 조건을 활용하여 이중 행렬 모델에서 상관 함수를 성공적으로 계산한다.
• 스트링 방정식을 만족하는 해가 유도되어 위상적 끈 이론의 제약 조건과의 일致성을 확보한다.
• 연속 근사가 없음으로써 기존의 양자역학적 또는 연속 기법으로는 접근할 수 없는 새로운 해를 발견할 수 있다.
• 이 접근법은 연속 영역에서 가시성이 없는 이중 행렬 모델의 비임계적 구조를 드러낸다.
• 계열의 명시적 해가 구성되어 상관 함수 계산을 위한 완전한 프레임워크를 제공한다.
• 이 프레임워크는 일반적이며 유사한 통합 및 제약 조건 구조를 가진 다른 다중 행렬 모델로도 확장 가능하다.