[논문 리뷰] Stochastic higher spin six vertex model and Madconald measures

Alexei Borodin|arXiv (Cornell University)|2016. 08. 04.

Random Matrices and Applications참고 문헌 30인용 수 17

한 줄 요약

이 논문은 1사분면에 있는 스토하스틱 고스피너 스피너 6-버텍스 모델에서 높이 함수의 q라플라스 변환과 매크도날 측도의 곱함수 사이의 새로운 정확한 항등식을 수립함으로써, 스슈어 측도에 대한 알려진 결과를 활용한 渐近 분석을 가능하게 한다. 주요 기여는 이 연결을 통해 두 경우의 모델에서 높이 함수에 대한 GUE 트레이시-위드먼 변동을 증명하는 것으로, 이는 고스피너 스피너 6-버텍스 모델에 대한 새로운 결과와 기존의 스토하스틱 6-버텍스 모델 결과의 복원을 포함한다.

ABSTRACT

We prove an identity that relates the q-Laplace transform of the height function of a (higher spin inhomogeneous) stochastic six vertex model in a quadrant on one side, and a multiplicative functional of a Macdonald measure on the other. The identity is used to prove the GUE Tracy-Widom asymptotics for two instances of the stochastic six vertex model via asymptotics analysis of the corresponding Schur measures.

연구 동기 및 목표

• 스토하스틱 고스피너 스피너 6-버텍스 모델에서 높이 함수의 q라플라스 변환과 매크도날 측도의 곱함수 사이의 정확한 항등식 수립.
• 이 항등식을 사용하여 스토하스틱 6-버텍스 모델 및 그 고스피너 스피너 변종에서 높이 함수의 渐近 변동을 도출.
• 일부 매크도날 측도 클래스에서 매크도날 다항식의 (q,t)-매개변수에 관계없이 높이 함수의 渐近 행동이 에지 스케일링에만 의존한다는 것을 보여줌.
• 특정 경우에 매크도날 측도의 渐近 분석을 스슈어 측도의 분석으로 환원할 수 있음을 보이며, 잘 발달된 渐近 도구를 활용.
• 스토하스틱 6-버텍스 모델에서 높이 함수의 GUE 트레이시-위드먼 분포를 복원하고 확장하며, 고스피너 스피너 6-버텍스 모델에 대해 새로운 such 결과를 증명함.

제안 방법

• 높이 함수의 q라플라스 변환과 매크도날 측도의 곱함수 기대값의 적분 표현을 직접 비교하여 항등식 유도.
• 이 항등식을 활용해 스토하스틱 6-버텍스 모델의 높이 함수를 매크도날 측도 하에 무작위 분할의 길이와 연결.
• 결과로 얻어진 스슈어 측도에 대해 渐近 분석 기법을 적용하며, 스슈어 측도의 트레이시-위드먼 극한에 대한 알려진 결과 활용.
• 게이지 변환 후 커널의 자기수반성 특성을 활용해 프레드홀름 행렬식의 균일 수렴을 확보함으로써, 수렴을 커널 수렴과 트레이스 수렴으로 환원.
• 경로 변형과 임계점 분석을 통해 변동 척도 σμ,ν를 유도하고 에지 스케일링 극한을 규명.
• 스슈어 측도와 관련된 커널이 메이크너 및 크라프치쿨 다항식의 크리스톼프-다르부 커널임을 활용해 정밀한 渐近 제어를 가능하게 함.

실험 결과

연구 질문

• RQ1 스토하스틱 고스피너 스피너 6-버텍스 모델에서 높이 함수의 q라플라스 변환은 매크도날 측도의 함수와 정확히 관련될 수 있는가?
• RQ2 스토하스틱 6-버텍스 모델에서 높이 함수의 渐近 분포는 GUE 트레이시-위드먼 변동을 보이는가?
• RQ3 일부 영역에서 매크도날 무작위 분할의 길이의 渐近 행동은 (q,t)-매개변수에 독립적인가?
• RQ4 특정 경우에 매크도날 측도의 渐近 분석은 스슈어 측도의 분석으로 환원될 수 있는가?
• RQ5 에지 스케일링 하에서 고스피너 스피너 6-버텍스 모델의 높이 함수의 극한 행동은 무엇인가?

주요 결과

• 논문은 모든 자유 매개변수에 대해 스토하스틱 고스피너 스피너 6-버텍스 모델에서 높이 함수의 q라플라스 변환과 매크도날 측도의 곱함수 사이의 정확한 항등식을 수립한다.
• 코로나리아 5.9에서 보여지듯이, 매크도날 측도의 일부 클래스에서 매크도날-무작위 분할의 길이의 渐近 행동은 (q,t)-매개변수에 영향을 받지 않는다.
• 스토하스틱 동질 6-버텍스 모델의 경우, 높이 함수는 GUE 트레이시-위드먼 변동을 만족한다: limL→∞ P( (h(μL,νL)−H(μ,ν)L)/(σμ,νL1/3) ≥ −x ) = FGUE(x), 여기서 σμ,ν = (ζμν)1/6(1−√ζμ/ν)2/3(1+√ζν/μ)2/3/(1+ζ)로 명시적으로 주어진다.
• 유사한 GUE 트레이시-위드먼 극한이 매개변수 sx ≡ −Q1/2, ξi ≡ 1, ui ≡ u > 0인 고스피너 스피너 6-버텍스 모델에 대해 증명되었으며, 동일한 변동 척도 σμ,ν와 극한 분포를 가진다.
• 에지 스케일링 극한은 위상 함수 G(z)에서 이중 임계점으로 특징지어지며, x_c와 z_c가 명시적으로 계산되어 정밀한 渐近 제어가 가능하다.
• 게이지 변환 후 커널이 자기수반성을 가지며, 커널과 트레이스의 균일 수렴으로 인해 프레드홀름 행렬식이 GUE 트레이시-위드먼 분포로 수렴한다.