[论文解读] Annealed averages in spin and matrix models

Laura Foini, Jorge Kurchan|arXiv (Cornell University)|Apr 9, 2021

Theoretical and Computational Physics参考文献 24被引用 1

一句话总结

本文研究自旋模型与矩阵模型中的退火平均，表明当无序性随自旋构型调整时，会自发产生‘植入’的低能量解——这与推理问题相呼应。通过R-变换方法与副本技巧，推导出大N下矩阵元边缘分布的精确结果，揭示对角元相互独立，非对角元对应于温度相反的两个副本，其大偏差行为由本征值脱离谱体而决定。

ABSTRACT

A disordered system is denominated `annealed' when the interactions themselves may evolve and adjust their values to lower the free energy. The opposite (`quenched') situation when disorder is fixed, is the one relevant for physical spin-glasses, and has received vastly more attention. Other problems however are more natural in the annealed situation: in this work we discuss examples where annealed averages are interesting, in the context of matrix models. We first discuss how in practice, when system and disorder adapt together, annealed systems develop `planted' solutions spontaneously, as the ones found in the study of inference problems. In the second part, we study the probability distribution of elements of a matrix derived from a rotationally invariant (not necessarily Gaussian) ensemble, a problem that maps into the annealed average of a spin glass model.

研究动机与目标

• 理解在无序性随自旋构型调整的退火自旋玻璃模型中，自植解的涌现机制。
• 从旋转对称性矩阵系综中，计算大N×N随机矩阵中r×r子矩阵的退火联合分布。
• 澄清矩阵模型中 quenched 与 annealed 平均之间的区别，尤其关注矩阵元概率的大偏差行为。
• 建立矩阵元分布与在相反温度下具有副本的自旋玻璃模型之间的映射关系。
• 利用自由概率工具（如R-变换）推导矩阵元分布尾部行为的显式表达式。

提出的方法

• 使用两个副本在相反逆温度下的副本方法，计算非对角矩阵元的退火生成函数。
• 应用R-变换形式化方法，将矩阵元分布的累积量与底层矩阵系综的自由累积量关联起来。
• 在大N极限下采用鞍点近似，对自旋与辅助场的路径积分进行求值，重点分析本征值脱离谱体的行为。
• 通过变量替换将矩阵模型的退火平均映射为具有自植解的自旋玻璃问题，以解耦对角与非对角贡献。
• 通过对逆温度参数进行优化，推导出对角与非对角矩阵元概率分布的精确表达式。
• 同时考虑高斯与Wishart型矩阵系综，以验证结果并推广至非高斯、旋转对称的分布。

实验结果

研究问题

• RQ1 自旋玻璃模型中的退火平均如何导致自植解的自发形成？
• RQ2 在旋转对称矩阵模型中，大N下对角矩阵元的精确分布为何？
• RQ3 在退火设定下，非对角矩阵元的分布如何与相反温度下的副本相关联？
• RQ4 本征值脱离谱体在矩阵元概率大偏差中扮演何种角色？
• RQ5 R-变换如何用于一般旋转对称系综中矩阵元分布累积量的计算？

主要发现

• 在大N×N随机矩阵中，对角元在退火极限下统计独立，其联合分布可分解为单个边缘分布的乘积。
• 对角元的退火分布为 PAii(a) ∼ e^{N/2 min_β [−βa + ∫₀^β dx R(x)]}，其中 R(x) 为矩阵系综的R-变换。
• 对于高斯系综，此式给出 PAii(a) ∼ e^{−Na²/4}，与退火设定下的已知半圆律一致。
• 非对角矩阵元的分布对应于逆温度 β 与 −β 的两个副本，导致 ⟨Z_off⟩ = ⟨Z_diag(β)⟩⟨Z_diag(−β)⟩。
• 对于参数为 α = K/N 的Wishart矩阵，对角元分布为 P_W Aii(a) ∼ e^{N/2 (−a + α log a)}，非对角元分布则以 α 与 a 显式表示。
• 矩阵元概率的大偏差源于一个或多个本征值脱离谱体，该现象由副本划分函数的鞍点结构所捕获。