[논문 리뷰] Multiplicative chaos and the characteristic polynomial of the CUE: the $L^1$-phase

Miika Nikula, Eero Saksman외 1명|arXiv (Cornell University)|2018. 06. 05.

Random Matrices and Applications참고 문헌 37인용 수 10

한 줄 요약

이 논문은 $N \to \infty$ 일 때, $N \times N$ 헤르미트 분포를 가진 유니터리 행렬의 특성다항식의 정규화된 양수 거듭제곱이 단위 원 위에서 가우시안 곱혼란 측도로의 법적 수렴을 확립한다. 이는 전체 $L^1$-단계($\beta \in [\sqrt{2}, 2)$)에서 성립한다. 이 결과는 이전의 $L^2$-단계에서의 연구를 확장하며, 레이어드된 상관관계를 가진 필드 행동이 랜덤 매트릭스 이론에서 엄밀한 재정규화 및 특이 적분 방법을 통해 나타남을 확인한다.

ABSTRACT

In this note we prove that suitable positive powers of the absolute value of the characteristic polynomial of a Haar distributed random unitary matrix converge in law, as the size of the matrix tends to infinity, to a Gaussian multiplicative chaos measure once correctly normalized. We prove this in the whole $L^1$- or subcritical phase of the chaos measure.

연구 동기 및 목표

• 헤르미트 분포를 가진 랜덤 유니터리 매트릭스의 특성다항식의 정규화된 양수 거듭제곱이 법적으로 가우시안 곱혼란 측도로 수렴함을 확립한다.
• 이전의 $L^2$-단계($\beta < \sqrt{2}$) 결과를 전체 $L^1$-단계($\beta \in [\sqrt{2}, 2)$)로 확장한다.
• 원형 유니터리 군합(CUE)에서 특성다항식의 통계적 행동이 로그-상관관계를 가진 가우시안 필드 이론 및 그에 관련된 곱혼란 측도와 엄밀하게 연결됨을 보인다.
• 제한 측도를 중심 가우시안 필드의 형식적 지수로 완전히 특성화한다. 이 필드의 공분산 커널은 특정한 로그-상관관계를 가진다.

제안 방법

• 저자들은 제한 측도를 $\mu_\beta(d\theta) = e^{\beta X(\theta) - \frac{\beta^2}{2}\mathbb{E}[X(\theta)^2]} \frac{d\theta}{2\pi}$ 로 정의하기 위해 정규화 및 재정규화 절차를 사용한다. 여기서 $X$ 는 공분산 $\mathbb{E}[X(\theta)X(\theta')] = -\frac{1}{2}\log|e^{i\theta} - e^{i\theta'}|$ 를 가진 중심 가우시안 필드이다.
• 그들은 단위 원 $\mathbb{T}$ 상에서 측도의 약한 수렴 위상에서 수열 $\frac{|\det(I - e^{-i\theta}U_N)|^\beta}{\mathbb{E}[|\det(I - e^{-i\theta}U_N)|^\beta]} \frac{d\theta}{2\pi}$ 의 수렴을 분석한다.
• 증명은 특이 적분 방정식 이론과 소코츠키-플레멜주 공식을 이용하여 특성다항식과 관련된 리만-힐베르트 문제의 매트릭스 해의 행동을 제어하는 데 의존한다.
• 연산자 $I - C_J$ 가 $L^2(\Gamma_U)$ 상에서의 편미분 방법을 통해 역행렬 가능함을 보이며, 이는 해 $Q_-$ 가 매개변수에 대해 연속적으로 의존함을 보여주며, 정규화 하에서 측도의 안정성을 확보한다.
• 차이 $Q_-(\cdot, t) - Q_-(\cdot, s)$ 의 $L^2$-노름이 $t \to s$ 일 때 0으로 수렴함을 보여 수렴성을 입증한다. 이는 관련된 코시 적분 연산자의 연산자 노름 수렴을 이용한다.
• 이 방법은 [5] 및 [36] 의 이전 연구를 바탕으로 하며, 점프 매트릭스 $J_Q$ 와 그 $\beta$ 에 대한 의존성에 대한 정교한 추정을 사용하여 $L^2$-단계 결과를 $L^1$-단계로 일반화한다.

실험 결과

연구 질문

• RQ1 모든 $\beta \in [\sqrt{2}, 2)$ 에 대해, $N \to \infty$ 일 때 CUE 특성다항식의 절댓값의 $\beta$ 제곱이 약한 수렴을 통해 가우시안 곱혼란 측도로 수렴하는가?
• RQ2 랜덤 매트릭스 이론의 맥락에서, 헤르미트 분포를 가진 유니터리 매트릭스의 특성다항식을 통해 $L^1$-단계의 곱혼란이 실현될 수 있는가?
• RQ3 정확한 제한 측도는 무엇이며, 주어진 공분산 커널을 가진 로그-상관관계를 가진 가우시안 필드와 어떻게 관련이 있는가?
• RQ4 이전에 연구된 $L^2$-단계와 비교해 $L^1$-단계에서 수렴 행동은 어떻게 변화하는가?
• RQ5 모든 $\beta < 2$ 에 대해 제한 측도는 비자명하고 잘 정의되어 있으며, $\beta = 2$ 에서는 어떤 일이 일어나는가?

주요 결과

• 모든 $\beta \in [\sqrt{2}, 2)$ 에 대해, 수열 $\frac{|\det(I - e^{-i\theta}U_N)|^\beta}{\mathbb{E}[|\det(I - e^{-i\theta}U_N)|^\beta]} \frac{d\theta}{2\pi}$ 는 $N \to \infty$ 일 때 단위 원 위에서 비퇴화된 가우시안 곱혼란 측도로 법적으로 수렴한다.
• 제한 측도는 거의 확실히 하우스도르프 차원 $2 - \frac{\beta^2}{2}$ 를 가진 무작위 프랙탈 집합 위에 지지되어 있으며, 로그-상관관계 필드의 다중프랙탈 형식과 일치한다.
• 기저 가우시안 필드의 공분산 커널은 $\mathbb{E}[X(\theta)X(\theta')] = -\frac{1}{2}\log|e^{i\theta} - e^{i\theta'}|$ 이며, 랜덤 매트릭스 이론에서 기대되는 로그 특이성을 반영한다.
• 특성다항식과 관련된 리만-힐베르트 문제의 엄밀한 분석을 통해 특이 적분 방정식 및 연산자 이론 도구를 사용하여 수렴이 입증되었다.
• 리만-힐베르트 문제의 해 $Q_-$ 가 매개변수 $\beta$ 에 대해 연속적임을 보여, 정규화 하에서 측도의 안정성이 보장된다.
• 결과는 CUE에서 $L^1$-단계의 곱혼란이 자연스럽게 나타남을 확인하며, 랜덤 매트릭스와 로그-상관관계 필드 간의 기존 연결성을 확장한다.