[论文解读] On the deformed Pearcey determinant

Dan Dai, Shuai‐Xia Xu+1 more|arXiv (Cornell University)|Jul 25, 2020

Random Matrices and Applications参考文献 54被引用 5

一句话总结

该论文通过与非线性系统特殊解相关的哈密顿量，推导出形变佩尔西 determinant $χ(I - \gamma K^{Π}_{s,\rho})$ 的积分表示，实现了精确的大间隙渐近展开，并计算了精确的常数项。结果揭示了与未形变情况（$\gamma=1$）不同的渐近行为，表明随着 $\gamma$ 变化存在相变现象，且得到了计数函数的期望、方差以及中心极限定理的渐近结果。

ABSTRACT

In this paper, we are concerned with the deformed Pearcey determinant $\det\left(I-γK^{\mathrm{Pe}}_{s,ρ} ight)$, where $0 \leq γ<1$ and $K^{\mathrm{Pe}}_{s,ρ}$ stands for the trace class operator acting on $L^2\left(-s, s ight)$ with the classical Pearcey kernel arising from random matrix theory. This determinant corresponds to the gap probability for the Pearcey process after thinning, which means each particle in the Pearcey process is removed independently with probability $1-γ$. We establish an integral representation of the deformed Pearcey determinant involving the Hamiltonian associated with a family of special solutions to a system of nonlinear differential equations. Together with some remarkable differential identities for the Hamiltonian, this allows us to obtain the large gap asymptotics, including the exact calculation of the constant term, which complements our previous work on the undeformed case (i.e., $γ=1$). It comes out that the deformed Pearcey determinant exhibits a significantly different asymptotic behavior from the undeformed case, which suggests a transition will occur as the parameter $γ$ varies. As an application of our results, we obtain the asymptotics for the expectation and variance of the counting function for the Pearcey process, and a central limit theorem as well.

研究动机与目标

• 分析形变佩尔西 determinant $\det(I - \gamma K^{\mathrm{Pe}}_{s,\rho})$ 在 $0 \leq \gamma < 1$ 时的行为，以建模稀释佩尔西过程中的间隙概率。
• 通过与非线性微分系统特殊解相关的哈密顿量，建立该 determinant 的积分表示。
• 在大间隙渐近展开中计算精确的常数项，扩展了以往仅限于未形变情况（$\gamma = 1$）的研究。
• 研究当 $\gamma$ 变化时渐近行为的转变，表明存在临界相变。
• 推导佩尔西过程中计数函数的期望、方差以及中心极限定理的渐近结果。

提出的方法

• 利用黎曼-希尔伯特（RH）问题公式刻画佩尔西核及其导数。
• 推导 RH 问题的 Lax 对方程，并建立相关哈密顿量的微分恒等式。
• 通过一系列变换 $\Phi \to T \to S \to \text{全局参数解} \to \text{局部参数解}$，对 RH 问题在 $s \to +\infty$ 和 $s \to 0^+$ 时进行渐近分析。
• 在 $z = \pm 1$ 和 $z = 0$ 附近利用合流超几何函数模型构造局部参数解。
• 借助微分恒等式，从哈密顿量出发推导出形变 determinant 的积分表示。
• 应用渐近分析，通过哈密顿量的渐近展开提取大间隙行为，包括精确的常数项。

实验结果

研究问题

• RQ1 当 $s \to \infty$ 时，形变佩尔西 determinant $\det(I - \gamma K^{\mathrm{Pe}}_{s,\rho})$ 在 $0 \leq \gamma < 1$ 下的渐近行为如何？
• RQ2 大间隙渐近展开中常数项的精确值是多少？与未形变情况（$\gamma = 1$）有何不同？
• RQ3 随着 $\gamma$ 变化，间隙概率的渐近行为是否表现出相变？
• RQ4 稀释佩尔西过程中计数函数的期望与方差的渐近行为如何？
• RQ5 在佩尔西过程中稀释条件下，能否为计数函数建立中心极限定理？

主要发现

• 与未形变情况（$\gamma = 1$）相比，形变佩尔西 determinant 在大间隙渐近行为上表现出显著不同的特征，表明当 $\gamma$ 从 1 降低至小于 1 时存在相变。
• 大间隙渐近展开中的精确常数项被显式计算出来，扩展了以往仅限于 $\gamma = 1$ 情况的结果。
• 渐近分析表明，该 determinant 以 $s^{-1/2}$ 乘以一个与 $\gamma$ 和 $\rho$ 有关的非平凡常数的幂律形式衰减。
• 稀释佩尔西过程中计数函数 $N(s)$ 的期望满足 $\mathbb{E}[N(s)] \sim c_1 s^{1/2}$，当 $s \to \infty$ 时，其中 $c_1$ 依赖于 $\gamma$ 和 $\rho$。
• 计数函数的方差满足 $\mathrm{Var}(N(s)) \sim c_2 s^{1/2}$，当 $s \to \infty$ 时，其中 $c_2$ 可由哈密顿量显式计算。
• 建立了中心极限定理：当 $s \to \infty$ 时，$\frac{N(s) - \mathbb{E}[N(s)]}{\sqrt{\mathrm{Var}(N(s))}}$ 依分布收敛于标准正态随机变量。