[论文解读] Point processes and the infinite symmetric group. Part I: The general formalism and the density function

Grigori Olshanski|ArXiv.org|Apr 18, 1998

Random Matrices and Applications参考文献 14被引用 21

一句话总结

本文引入了在穿孔区间 $[-1,1] \setminus \{0\}$ 上的二维点过程族，其源于无限对称群的调和分析。该文建立了托马单形上的谱测度与随机点过程之间的对应关系，计算了首阶关联函数（密度），并证明了这些测度的支集由配置空间决定，为后续工作中更高阶关联分析奠定了基础。

ABSTRACT

We study a 2-parametric family of probability measures on an infinite-dimensional simplex (the Thoma simplex). These measures originate in harmonic analysis on the infinite symmetric group (S.Kerov, G.Olshanski and A.Vershik, Comptes Rendus Acad. Sci. Paris I 316 (1993), 773-778). Our approach is to interpret them as probability distributions on a space of point configurations, i.e., as certain point stochastic processes, and to find the correlation functions of these processes. In the present paper we relate the correlation functions to the solutions of certain multidimensional moment problems. Then we calculate the first correlation function which leads to a conclusion about the support of the initial measures. In the appendix, we discuss a parallel but more elementary theory related to the well-known Poisson-Dirichlet distribution. The higher correlation functions are explicitly calculated in the subsequent paper (A.Borodin, math.RT/9804087). In the third part (A.Borodin and G.Olshanski, math.RT/9804088) we discuss some applications and relationships with the random matrix theory. The goal of our work is to understand new phenomena in noncommutative harmonic analysis which arise when the irreducible representations depend on countably many continuous parameters.

研究动机与目标

• 将托马单形上的谱测度解释为 $[-1,1] \setminus \{0\}$ 上的点过程，从而实现对无限维表示的概率分析。
• 计算这些点过程的首阶关联函数（密度），以表征其局部统计行为。
• 利用关联结构与矩问题技术，确定底层概率测度的支集。
• 建立一个独立于表示理论的正式框架，使非调和分析专家也能理解结果。
• 为后续论文中更高阶关联函数及随机矩阵理论中的应用奠定基础。

提出的方法

• 将托马单形嵌入到 $[-1,1] \setminus \{0\}$ 上的点配置空间中，将单形上的概率测度视为随机点过程。
• 将第 $n$ 阶关联函数 $\rho_n(x_1,\dots,x_n)$ 定义为在 $x_1,\dots,x_n$ 附近找到粒子的概率密度，使用无穷小邻域。
• 将关联函数与多维矩问题的解联系起来，从而实现对测度的解析处理。
• 利用弗罗贝尼乌斯坐标系表示杨图，通过生成函数导出的矩阵行列式表达关联函数。
• 应用矩阵 $M = (m_{pq})$ 的调和性关系，其中 $m_{pq} = t + p + q + 1$，并通过余子式展开与行列式恒等式加以验证。
• 利用行列式在坐标重复时为零的性质，允许对所有可能的方块添加（包括非法情况）进行形式求和，从而简化分析。

实验结果

研究问题

• RQ1 如何将托马单形上的谱测度解释为 $[-1,1] \setminus \{0\}$ 上的点过程？
• RQ2 这些点过程的首阶关联函数（密度）的显式形式是什么？
• RQ3 谱测度的支集与点过程的配置空间之间有何关系？
• RQ4 矩问题在表征关联函数中起什么作用？
• RQ5 无限对称群及其表示的代数结构如何导致这些随机过程？

主要发现

• 点过程的首阶关联函数（密度）被显式计算，完整描述了粒子的局部分布。
• 谱测度 $P_z$ 的支集被表征为粒子仅在 0 处聚集的配置集合，与底层矩问题结构一致。
• 矩阵 $M$ 的行列式调和性关系通过余子式展开与行列式恒等式得到严格证明，验证了关联函数的函数形式。
• 即使所得到的形状不是合法的杨图，形式化应用杨图的创建规则（在上方、下方或对角线上添加方块）仍能得出一致结果，原因在于行列式为零。
• 该方法在表示理论与随机过程之间建立了桥梁，表明在缺乏显式表示论工具的情况下，关联函数可由代数恒等式推导。
• 该框架使得后续博罗丁的工作能够计算更高阶关联函数，证实了该方法的一致性与可扩展性。