[论文解读] Spectral statistics of sparse Erd\H{o}s-R\'enyi graph Laplacians

Jiaoyang Huang, Benjamin Landon|arXiv (Cornell University)|Oct 21, 2015

Random Matrices and Applications参考文献 35被引用 6

一句话总结

该论文在边密度 $ p \geq N^{\delta}/N $（对任意 $ \delta > 0 $）下，建立了稀疏 Erdős-Rényi 图拉普拉斯矩阵的局部半圆律，证明了特征值的非局域化，并表明体部的局部特征值统计与高斯正交系族（GOE）一致，从而在最优尺度 $ \eta \gtrsim N^{-1} $ 下确认了 GOE 的普遍性。

ABSTRACT

We consider the bulk eigenvalue statistics of Laplacian matrices of large Erdős-Renyi random graphs in the regime $p \geq N^{\delta}/N$ for any fixed $\delta >0$. We prove a local law down to the optimal scale $\eta \gtrsim N^{-1}$ which implies that the eigenvectors are delocalized. We consider the local eigenvalue statistics and prove that both the gap statistics and averaged correlation functions coincide with the GOE in the bulk.

研究动机与目标

• 在最优尺度 $ \eta \gtrsim N^{-1} $ 下，建立稀疏 Erdős-Rényi 随机图拉普拉斯矩阵特征值分布的局部律。
• 在给定的稀疏性条件下，证明这些图的特征向量是非局域化的。
• 证明体部的局部特征值统计——包括间距统计与平均相关函数——与高斯正交系族（GOE）一致。
• 在体部建立稀疏随机图谱统计的普遍性，将已知结果扩展至稀疏区域。

提出的方法

• 通过分析斯蒂尔杰斯变换并控制复谱参数 $ z = E + i\eta $ 中的误差项，推导拉普拉斯矩阵格林函数的局部律。
• 采用局部松弛流的动力学方法，控制特征值统计并证明在最优尺度 $ \eta \gtrsim N^{-1} $ 下收敛至半圆律。
• 应用格林函数比较定理，表明拉普拉斯矩阵的局部特征值统计在体部与 GOE 一致。
• 采用多分辨率分析与矩方法，控制稀疏区域中特征值与特征向量的波动。
• 利用图是稀疏但足够稠密（$ p \geq N^{\delta}/N $）的事实，确保局部律可延伸至最优尺度。
• 将特征向量的非局域化作为关键输入，以验证局部特征值统计的普遍性。

实验结果

研究问题

• RQ1 稀疏 Erdős-Rényi 图拉普拉斯矩阵的局部特征值统计是否在体部收敛至 GOE 统计？
• RQ2 在稀疏区域 $ p \geq N^{\delta}/N $ 下，是否可建立拉普拉斯矩阵在最优尺度 $ \eta \gtrsim N^{-1} $ 的局部律？
• RQ3 在给定的稀疏性条件下，稀疏 Erdős-Rényi 图拉普拉斯矩阵的特征向量是否是非局域化的？
• RQ4 体部的特征值间距统计与相关函数在多大程度上与 GOE 一致？
• RQ5 在最优尺度下，稀疏 Erdős-Rényi 图的局部特征值统计普遍性是否成立？

主要发现

• 在最优尺度 $ \eta \gtrsim N^{-1} $ 下，建立了 Erdős-Rényi 图拉普拉斯矩阵的局部律，确认半圆律在此分辨率下成立。
• 证明了拉普拉斯矩阵的特征向量是非局域化的，即其 $ \ell^2 $-质量在顶点上均匀分布。
• 体部特征值的间距统计与高斯正交系族（GOE）一致，表明存在与 GOE 行为一致的能级排斥。
• 特征值的平均相关函数也与 GOE 一致，证实了局部谱统计的普遍性。
• 在 $ p \geq N^{\delta}/N $ 的参数范围内，证明了稀疏 Erdős-Rényi 图的局部特征值统计普遍性，将先前结果扩展至稀疏边密度区域。
• 结果确认，尽管图是稀疏的，其体部谱统计在最优尺度下与 GOE 无法区分。