[논문 리뷰] Large deviations of empirical measures of zeros on Riemann surfaces

Steve Zelditch|arXiv (Cornell University)|2011. 01. 02.

Geometry and complex manifolds참고 문헌 22인용 수 3

한 줄 요약

이 논문은 고리수 $ g \geq 1 $인 컴acts Riemann 표면 위에서 선형 번들의 랜덤 헬모르픽 세그먼트의 영점의 경험적 측도에 대한 대 deviations 원리(LDP)를 수립한다. 이는 이전 결과를 $ \mathbb{C}\mathbb{P}^1 $ 에서의 결과로부터 고리수 1 이상의 경우로 일반화한 것이다. 바이러스 모듈리스공간(프로젝티브화된 피카르 번들) 위에 가우시안형 측도를 사용하여, 영점의 공동확률밀도함수(JPC)를 계산하였으며, 바이러스 다항식의 고리수 일반화인 바르드민드 행렬식, 프라임 형식, 보존화 공식을 활용하였다. 이를 통해 LDP에 대한 명시적인 비용 함수를 도출하였다.

ABSTRACT

This is a continuation of a project on large deviations for the empirical measures of zeros of random holomorphic sections of random line bundles over a Riemann surface X. In a previous article with O. Zeitouni (arXiv:0904.4271), we proved an LDP for random polynomials in the genus zero case. In higher genus, there is a Picard variety of line bundles and so the line bundle L is a random variable as well as the section s. The space of pairs (L, s) is known as the "vortex moduli space". The zeros of (L, s) fill out the configuration space $X^{(N)}$ of $N$ points of $X$. The LDP shows that the configurations concentrate at one equilibrium measure exponentially fast. The new features of the proof involve Abel-Jacobi theory, the prime form and bosonization.

연구 동기 및 목표

• 고리수 0(Riemann 구)에서의 영점 경험적 측도에 대한 대 deviations 원리(LDP)를 고리수 $ g \geq 1 $인 컴acts Riemann 표면으로 확장하는 것.
• 도수 $ N $인 선형 번들의 헬모르픽 세그먼트 전체 공간에 대해 가우시안형 확률 측도를 정의하고, 이에 대해 분석하는 것. 이는 이제 $ g $차원 피카르 다양체 $ \mathrm{Pic}^N $ 위에서 변하는 것이다.
• 영점의 공동확률밀도함수(JPC)를 대칭곱 $ X^{(N)} = \mathrm{Sym}^N X $ 위의 체적 형식으로 계산하며, 고리수 특수함수인 프라임 형식과 그린 함수를 사용한다.
• 영점의 $ N $개 점 구성이 랜덤 세그먼트의 영점 집합으로 나타나는 비율의 점점 증가하는 확률을 다루는 LDP에 대한 명시적인 비용 함수를 유도하는 것. 이는 $ N \to \infty $일 때의 점근적 성질에 기반한다.
• 프로젝티브화된 피카르 번들 $ \mathbb{P}\mathcal{E}^N $과 구성공간 $ X^{(N)} $ 사이의 해석적 동치를 확립함으로써, 측도를 경험적 측도로의 전이를 가능하게 하는 것.

제안 방법

• 선형 번들의 $ L^2 $ 노름을 사용하여, 선형 번들의 헬모르픽 세그먼트 전체 공간 $ \mathcal{E}^N = \bigcup_{\xi \in \mathrm{Pic}^N} H^0(X, \xi) $ 위에 가우시안형 측도를 정의한다. 이는 선형 번들의 헬미트 메트릭에 기반한다.
• 세그먼트 공간을 프로젝티브화하여 $ \mathbb{P}\mathcal{E}^N $로 만들고, 이에 대해 기저 $ \mathrm{Pic}^N $ 위의 하르 측도와 각 섬유 위의 푸비니-슈트라우스 체적 형식을 부여함으로써, 푸비니-슈트라우스 섬유 엔셈블을 구성한다.
• 보존화 공식을 사용하여, 영점의 공동확률밀도함수(JPC) $ \vec{K}^N $ 를 $ X^{(N)} $ 위의 체적 형식으로 계산한다. 이 공식에는 프라임 형식 $ E(z,w) $, 그린 함수, 그리고 테타 특성치가 포함된다.
• JPC를 프라임 형식에 관련된 행렬식과 그린 함수의 곱의 형태로 표현함으로써, 고리수 0의 바르드민드 형식의 일반화를 이룬다.
• JPC의 카린형식 표현을 사용하여, 이를 모듈리스공간 위의 곡률 형식과 특성류와 연결한다.
• JPC의 로그 점근적 성질을 분석함으로써 LDP에 대한 비용 함수를 도출하며, 이는 $ \mathcal{M}(X) $ 위의 에너지 함수형식을 최소화하는 변분 공식을 포함한다.

실험 결과

연구 질문

• RQ1 영점 분포에 대한 대 deviations 원리(LDP)는 고리수 0에서 고리수 1 이상인 Riemann 표면으로 어떻게 일반화되는가?
• RQ2 고리수 $ g \geq 1 $인 표면 위에서 선형 번들의 랜덤 세그먼트에 대해 $ X^{(N)} $ 위의 영점 공동확률밀도함수(JPC)의 명시적 형태는 무엇인가?
• RQ3 고리수 일반화된 바르드민드 행렬식과 프라임 형식, 그린 함수 등의 특수함수는 JPC 계산에 어떻게 활용되는가?
• RQ4 피카르 다양체 $ \mathrm{Pic}^N $ 는 영점 집합의 통계역학에서 어떤 역할을 하는가? 그리고 $ X^{(N)} $ 위의 측도에 어떤 영향을 미치는가?
• RQ5 JPC의 점근적 행동을 분석함으로써 $ N \to \infty $ 일 때 LDP의 비용 함수는 어떻게 도출되는가?

주요 결과

• 논문은 고리수 $ g \geq 1 $인 컴acts Riemann 표면 위에서의 영점 경험적 측도 $ \mu_\zeta = \frac{1}{N}\sum_{j=1}^N \delta_{\zeta_j} $ 에 대해 대 deviations 원리(LDP)를 수립하였다.
• 영점의 공동확률밀도함수(JPC) $ \vec{K}^N $ 는 $ X^{(N)} $ 위의 체적 형식으로 명시적으로 계산되었으며, 그린 함수의 곱과 프라임 형식 $ E(z,w) $ 를 포함하여 고리수 0의 경우를 일반화하였다.
• JPC는 모듈리스공간 위의 결정선 번들에 관련된 카린형식으로 표현됨을 보였으며, 이를 통해 곡률과 특성류와의 연결을 확립하였다.
• LDP의 비용 함수는 $ \vec{K}^N $ 의 로그 점근적 성질을 분석함으로써 도출되었으며, 이는 $ X $ 위의 확률측도 위에서 특정 에너지 함수형식을 최소화하는 변분 공식을 포함한다.
• 저자들은 $ \mathbb{P}\mathcal{E}^N $ 위의 푸비니-슈트라우스 섬유 엔셈블이 바이러스 모듈리스공간 위의 자연스러운 확률측도임을 밝혀내었으며, 영점 집합 사상에 의해 $ X^{(N)} $ 와 해석적으로 동치임을 확인하였다.
• 계산은 고리수 Riemann 표면 이론의 보존화 공식에 기반하며, 자동형 인자와 특성치를 가진 테타 함수를 사용하여 $ \mathrm{Pic}^N $ 의 비자명한 위상수학적 성질를 다루었다.