[论文解读] The eigenvalue spectrum of a large real antisymmetric random matrix with non-zero mean

Andrei Katsevich, Pavel Meshcheriakov|arXiv (Cornell University)|Sep 4, 2023

Random Matrices and Applications被引用 5

一句话总结

本文使用费米子复制品技巧研究了具有非零均值的大规模实反称随机矩阵的特征值谱。结果表明，当非零均值超过临界阈值时，孤立特征值会出现在威格纳半圆之外，证实了与对称随机矩阵中类似的相变行为，且分析结果得到了数值验证。

ABSTRACT

We study the eigenvalue spectrum of a large real antisymmetric random matrix $J_{ij}$. Using a fermionic approach and replica trick, we obtain a semicircular spectrum of eigenvalues when the mean value of each matrix element is zero, and in the case of a non-zero mean, we show that there is a set of critical finite mean values above which eigenvalues arise that are split off from the semicircular continuum of eigenvalues. The result converged with numerical simulations.

研究动机与目标

• 将随机矩阵理论中关于反称随机矩阵的威格纳半圆律推广至矩阵元具有非零均值的情形。
• 确定在何种临界均值以上，孤立特征值会出现在半圆连续谱之外。
• 应用复制品技巧与费米子路径积分形式化方法，计算大N极限下的特征值密度。
• 建立谱跃迁与马约拉纳费米子的SYK2模型之间的联系。
• 通过有限尺寸矩阵的特征值分布数值模拟验证分析结果。

提出的方法

• 利用索科茨基–普莱梅尔日公式表述特征值密度，并通过阻滞矩阵行列式的对数导数表示。
• 使用格拉斯曼积分（费米子方法）表示行列式，以实现对随机矩阵元的无序平均。
• 通过引入n个系统副本应用复制品技巧，将n视为连续参数，再取n→0的极限。
• 利用恒等式 lim_{n→0} (x^n - 1)/n = log x，将特征值密度转换为格拉斯曼变量上的泛函积分。
• 推导特征值密度的生成泛函，并对复制的费米子场执行高斯积分。
• 通过取虚部并关于λ求导，再进行解析延拓至n→0，提取谱密度。

Figure 1: Here $x^{\pm}$ are the saddle points of $g(x)$ . We choose only $x^{-}$ . Red lines means branch cut.

实验结果

研究问题

• RQ1 矩阵元中的非零均值如何影响大规模实反称随机矩阵的特征值谱？
• RQ2 是否存在一个临界均值，超过该值后孤立特征值会出现在威格纳半圆之外？
• RQ3 当均值非零时，特征值密度的解析形式是什么？其与零均值下的半圆律有何不同？
• RQ4 复制品技巧与费米子形式化方法是否能准确描述反称矩阵中的谱跃迁，如同在对称矩阵中一样？
• RQ5 分析预测与有限尺寸矩阵的数值模拟结果相比如何？

主要发现

• 当均值为零时，特征值谱收敛于威格纳半圆律，与随机矩阵理论中的已知结果一致。
• 当均值超过临界阈值 |J₀| > J 时，半圆连续谱之外出现孤立特征值。
• 孤立特征值位于 λ = J₀ + J²/J₀，与复制品方法和数值模拟的预测完全一致。
• 当 |J₀| < J 时，谱保持半圆形，无孤立态出现，表明在 |J₀| = J 处发生相变。
• 通过费米子复制品技巧导出的分析结果与数值特征值模拟结果高度一致。
• 反称矩阵中的谱跃迁与对称矩阵中的行为一致，证实了该临界行为在不同矩阵系综中的普适性。

Figure 2: Wigner semicircle. The dotted line corresponds $\rho_{0}(\lambda).$