[论文解读] Optimal Lower Bound on Eigenvector Overlaps for non-Hermitian Random Matrices

Giorgio Cipolloni, László Erdős+2 more|arXiv (Cornell University)|Jan 9, 2023

Spectral Theory in Mathematical Physics被引用 3

一句话总结

该论文为具有独立同分布噪声的非厄米随机矩阵建立了对角特征向量重叠的最优下界，其阶数为N，证明了在体相中奇异向量完全热化，收敛速度达到最优的N⁻¹/²。该结果将量子本征态热化假说（ETH）推广至非厄米系统，并首次给出了特征值条件数的最优下界，解决了在Ginibre系综之外长期存在的理论缺口。

ABSTRACT

We consider large non-Hermitian $N imes N$ matrices with an additive independent, identically distributed (i.i.d.) noise for each matrix elements. We show that already a small noise of variance $1/N$ completely thermalises the bulk singular vectors, in particular they satisfy the strong form of Quantum Unique Ergodicity (QUE) with an optimal speed of convergence. In physics terms, we thus extend the Eigenstate Thermalisation Hypothesis, formulated originally by [Deutsch 1991] and proven for Wigner matrices in [Cipolloni, Erdős, Schröder 2020], to arbitrary non-Hermitian matrices with an i.i.d. noise. As a consequence we obtain an optimal lower bound on the diagonal overlaps of the corresponding non-Hermitian eigenvectors. This quantity, also known as the (square of the) eigenvalue condition number measuring the sensitivity of the eigenvalue to small perturbations, has notoriously escaped rigorous treatment beyond the explicitly computable Ginibre ensemble apart from the very recent upper bounds given in [arXiv:2005.08930] and [arXiv:2005.08908]. As a key tool, we develop a new systematic decomposition of general observables in random matrix theory that governs the size of products of resolvents with deterministic matrices in between.

研究动机与目标

• 为具有独立同分布噪声的非厄米随机矩阵建立对角特征向量重叠Oii的最优下界。
• 通过证明奇异向量的强量子唯一遍历性（QUE），将量子本征态热化假说（ETH）推广至非厄米矩阵。
• 解决长期存在的难题：在Ginibre系综之外严格界定特征值条件数。
• 在随机矩阵理论中发展一种新方法，用于分解一般可观测量，以控制中间夹有确定性矩阵的延拓积。
• 证明即使在方差为1/N的小型独立同分布噪声下，特征向量对扰动的敏感度仍处于√N阶，限制了数值线性代数中随机平滑的有效性。

提出的方法

• 提出随机矩阵理论中一般可观测量的新分解方法，将不同谱参数下厄米化延拓的关联识别为完整矩阵。
• 利用该分解方法控制中间夹有确定性矩阵的延拓积，从而精确分析奇异向量的相关性。
• 证明Λ + X的奇异向量满足强形式的量子唯一遍历性（QUE），收敛速度达到最优的N⁻¹/²，且以极高概率成立。
• 通过利用核关系实现从奇异向量到特征向量的转移：若µ为特征值，则ker(Λ + X − µ)中的向量既是特征向量也是奇异向量，且奇异值为0。
• 应用各向同性局部极限定理与延拓恒等式，估计延拓展开中的误差项，特别关注涉及G1 − M1和G2 − M2的项。
• 利用积分表示与对Eσ和Φσ相关误差项的精细估计，控制延拓展开中偏差的大小，实现最优误差界。

实验结果

研究问题

• RQ1 对于具有独立同分布噪声的非厄米随机矩阵，对角特征向量重叠Oii的最优下界是什么？
• RQ2 能否将量子本征态热化假说（ETH）推广至非厄米矩阵？若能，其形式如何？
• RQ3 添加小的独立同分布噪声后，特征值对扰动的敏感度（以特征值条件数衡量）如何变化？
• RQ4 能否在随机矩阵理论中系统性地发展可观测量的分解方法，以控制中间夹有确定性矩阵的延拓积？
• RQ5 随机平滑在多大程度上能降低特征值条件数？是否存在该降低的理论极限？

主要发现

• 对角特征向量重叠Oii以极高概率被下界控制为与N成正比的常数倍，首次在Ginibre系综之外建立了最优下界。
• Λ + X的奇异向量在体相中完全热化，满足强形式的量子唯一遍历性（QUE），收敛速度达到最优的N⁻¹/²。
• 即使在方差为1/N的小型独立同分布噪声下，特征值条件数√Oii在最坏扰动下仍保持为√N阶，表明随机平滑在数值稳定性方面存在根本限制。
• 本文发展了一种新的可观测量系统分解方法，可控制中间夹有确定性矩阵的延拓积的大小，从而实现对奇异向量相关性的有效控制。
• 通过核对应关系，将奇异向量的热化性质传递至特征向量，使可从奇异向量统计推导出特征向量重叠的界。
• 延拓展开中的误差分析达到了最优界，所有误差项均被控制在O≺(N⁻¹/²)水平，证实了主结果的紧致性。