Beyond normal fluctuations in local laws for Wigner matrices

गणित के विशाल परिदृश्य में, एक ऐसी शाखा है जो यह समझने के लिए समर्पित है कि ग्रिडों में व्यवस्थित होने पर यादृच्छिक (random) संख्याओं के बड़े संग्रह कैसे व्यवहार करते हैं। ये ग्रिड, जिन्हें आव्यूह (matrices) कहा जाता है, केवल अमूर्त पहेलियाँ नहीं हैं; वे भौतिकी में जटिल प्रणालियों के लिए शक्तिशाली मॉडल के रूप में कार्य करते हैं, भारी परमाणुओं के ऊर्जा स्तरों से लेकर विशाल संरचनाओं के कंपन तक। जब इन ग्रिडों को एक विशिष्ट, सममित पैटर्न का पालन करने वाले यादृच्छिक नंबरों से भरा जाता है, तो एक उल्लेखनीय घटना घटती है: जैसे-जैसे ग्रिड बड़ा होता जाता है, इसके आंतरिक मानों का समग्र वितरण एक अनुमानित, सुचारू आकार में स्थिर हो जाता है, बिल्कुल एक बेल कर्व (bell curve) की तरह। यह वह "नियम" है जो औसत व्यवहार को नियंत्रित करता है। हालाँकि, प्रकृति शायद ही कभी पूरी तरह से सुचारू होती है। भले ही औसत अनुमानित हो, व्यक्तिगत संख्याएँ डगमगाती और उतार-चढ़ाव करती रहती हैं। दशकों से, वैज्ञानिक जानते हैं कि इन उतार-चढ़ावों को यदि दूर से देखा जाए, तो वे गाऊसी वितरण (Gaussian distribution) नामक एक परिचित बेल-आकार के पैटर्न के रूप में यादृच्छिक शोर (random noise) की तरह दिखते हैं। यह केंद्रीय सीमा प्रमेय (central limit theorem) का क्रियान्वयन है, एक ऐसा नियम जो बताता है कि यदि आप पर्याप्त यादृच्छिक चीजों को जोड़ते हैं, तो परिणाम अंततः एक मानक बेल कर्व जैसा दिखेगा, चाहे व्यक्तिगत टुकड़े शुरुआत में कैसे भी रहे हों।

लेकिन क्या होता है यदि आप करीब से देखते हैं? क्या होता है यदि आप उस विशाल ग्रिड के एक विशिष्ट, छोटे हिस्से को यह देखने के लिए ज़ूम इन करते हैं कि उस नन्हे पड़ोस में संख्याएँ कैसे उतार-चढ़ाव करती हैं? यह "स्थानीय नियमों" (local laws) का प्रश्न है। लंबे समय तक, प्रचलित धारणा यह थी कि इन छोटे, ज़ूम-इन किए गए दृश्यों में भी, उतार-चढ़ाव अंततः उसी सुचारू, बेल-आकार के गाऊसी पैटर्न में स्थिर हो जाएंगे जैसे-जैसे ग्रिड अनंत रूप से बड़ा होता जाएगा। यह गति समान रूप से स्थिर होने की बात थी, चाहे ग्रिड में उपयोग किए गए यादृच्छिक नंबर वास्तविक (real) हों या जटिल (complex)। यह शोध पत्र उस धारणा को चुनौती देता है। इन उतार-चढ़ावों को ट्रैक करने के लिए एक नई, अत्यधिक सटीक विधि विकसित करके, शोधकर्ताओं ने पाया कि कहानी बहुत अधिक सूक्ष्म है। उन्होंने पाया कि ये उतार-चढ़ाव गाऊसी बनने की गति इस बात पर बहुत अधिक निर्भर करती है कि उपयोग किए गए नंबर किस प्रकार के हैं। जटिल संख्याओं की दुनिया में, अभिसरण (convergence) तेज़ और सुचारू है। लेकिन वास्तविक संख्याओं की दुनिया में, उस सुचारू बेल कर्व की ओर बढ़ने का मार्ग बहुत धीमा और अधिक जिद्दी है, जो उन छिपे हुए, गैर-गाऊसी (non-Gaussian) पैटर्न को प्रकट करता है जो पहले की तुलना में बहुत लंबे समय तक बने रहते हैं।

शोधकर्ताओं ने विगनर मैट्रिक्स (Wigner matrix) नामक एक विशिष्ट गणितीय वस्तु पर ध्यान केंद्रित किया, जो संख्याओं का एक वर्गाकार ग्रिड है जहाँ प्रविष्टियाँ (entries) यादृच्छिक होती हैं लेकिन सख्त नियमों का पालन करती हैं। उन्होंने "रिजॉलवेंट" (resolvent) का परीक्षण किया, जो एक गणितीय उपकरण है जो एक आवर्धक लेंस (magnifying glass) की तरह कार्य करता है, जिससे वे एक विशिष्ट बिंदु पर मानों के घनत्व का निरीक्षण कर सकते हैं। इस आवर्धित दृश्य के उतार-चढ़ाव को देखकर, वे "क्युमलेंट्स" (cumulants) को माप सकते थे, जो सांख्यिकीय उपकरण हैं जिनका उपयोग यह पता लगाने के लिए किया जाता है कि कोई वितरण एक पूर्ण बेल कर्व से कितना विचलित होता है। यदि उतार-चढ़ाव पूरी तरह से गाऊसी होते, तो ग्रिड बढ़ने के साथ ये क्युमलेंट्स लुप्त हो जाते। टीम ने ठीक से मापने का लक्ष्य रखा कि वे कितनी तेज़ी से लुप्त होते हैं और गायब होने से पहले उनका आकार क्या होता है।

उनकी जांच ने दो प्रकार के आव्यूहों के बीच एक आश्चर्यजनक अंतर प्रकट किया: वे जो वास्तविक संख्याओं से बने थे और वे जो जटिल संख्याओं से बने थे। जटिल आव्यूहों के लिए, उतार-चढ़ाव बिल्कुल वैसा ही व्यवहार करते हैं जैसा मानक सिद्धांत भविष्यवाणी करता है, वे बहुत तेज़ी से गाऊसी आकार में अभिसरित होते हैं। हालाँकि, वास्तविक आव्यूहों के लिए, अभिसरण काफी धीमा है। शोधकर्ताओं ने सिद्ध किया कि वास्तविक मामले में, उतार-चढ़ाव एक लंबे समय तक एक विशिष्ट, गैर-गाऊसी हस्ताक्षर बनाए रखते हैं। विशेष रूप से, उन्होंने वास्तविक आव्यूहों के उतार-चढ़ाव में एक नए, प्रमुख पैटर्न की पहचान की जो जटिल मामले में देखे गए किसी भी पैटर्न की तुलना में अलग तरह से स्केल करता है। यह पैटर्न मैट्रिक्स के विकर्ण प्रविष्टियों (diagonal entries) के गैर-गाऊसी स्वभाव द्वारा संचालित होता है—वे संख्याएँ जो ऊपर-बाएँ से नीचे-दाएँ कोने तक चलती हैं। जब ये विक럴 प्रविष्टियाँ स्वयं पूरी तरह से गाऊसी नहीं होती हैं, तो वे पूरे सिस्टम के उतार-चढ़ाव पर एक स्थायी छाप छोड़ती हैं, जिससे मानक बेल कर्व की यात्रा धीमी हो जाती है।

इन निष्कर्षों तक पहुँचने के लिए, लेखकों को समस्या को देखने का एक नया तरीका आविष्कार करना पड़ा। उन्होंने दो मौजूदा रणनीतियों को एक शक्तिशाली नई तकनीक में मिला दिया जिसे वे "ज़िगज़ैग" (zigzag) दृष्टिकोण कहते हैं। कल्पना कीजिए कि आप एक जटिल परिदृश्य को पहले एक ऊँचाई से देखते हैं, फिर धीरे-धीरे नीचे उतरते हुए अपने दृश्य को समायोजित करते हैं, और अंत में अपनी ढलान की तुलना एक ज्ञात, पूर्ण भूभाग से करते हैं। शोधकर्ताओं ने पहले इस प्रणाली का एक व्यापक, वैश्विक परिप्रेक्ष्य से विश्लेषण करने के लिए, फिर स्थानीय स्तर पर ज़ूम करने के दौरान व्यवहार कैसे बदला, इसे सावधानीपूर्वक ट्रैक करने के लिए इस पद्धति का उपयोग किया। महत्वपूर्ण रूप से, उन्होंने गणनाओं को सुचारू बनाने में मदद करने के लिए अपने गणितीय मॉडल में एक "गाऊसी घटक" जोड़ा, और फिर यह सुनिश्चित करने के लिए कि उनके परिणाम मूल, अपरिवदित प्रणाली पर लागू होते हैं, इसे अंत में कठोरता से हटा दिया। इसने उन्हें उन पैटर्न और रद्दीकरणों (cancellations) को देखने की अनुमति दी जो पिछले तरीकों के लिए अदृश्य थे, जो या तो विवरण देखने के लिए बहुत मोटे थे या वास्तविक-संख्या के मामले की जटिलता को संभालने के लिए बहुत कठोर थे।

इस कार्य के निष्कर्ष इस गणितीय ढांचे के भीतर निर्णायक हैं। लेखकों ने केवल एक संभावना का सुझाव नहीं दिया; उन्होंने एक कठोर प्रमाण प्रदान किया कि वास्तविक सममित आव्यूहों के लिए अभिसरण की दर जटिल हर्मिटी (Hermitian) आव्यूहों की तुलना में मौलिक रूप से भिन्न है। उन्होंने दिखाया कि वास्तविक आव्यूहों के लिए, यह मान लेना कि वितरण गाऊसी है, त्रुटि ग्रिड के आकार के एक विशिष्ट पावर के व्युत्क्रम (inverse) के अनुपात में घटती है, जबकि जटिल आव्यूहों के लिए, क्षय (decay) बहुत तेज़ होता है। यह अंतर कोई मामूली तकनीकी बारीकी नहीं है; यह मौलिक रूप से बदल देता है कि हम बड़े यादृच्छिक सिस्टम के सांख्यिकीय व्यवहार को कैसे समझते है। इसका तात्पर्य यह है कि वास्तविक संख्याओं द्वारा मॉडल किए गए वास्तविक दुनिया के सिस्टम के लिए, हमें इस बात पर बहुत अधिक सावधान रहने की आवश्यकता है कि बड़े पैमाने के औसत तुरंत एक पूर्ण बेल कर्व में सुचारू नहीं होंगे। सिस्टम में "शोर" अपना अनूठा चरित्र लंबे समय तक बनाए रखता है, और वह चरित्र विकर्ण तत्वों के विशिष्ट गुणों द्वारा निर्धारित होता है।

यह कार्य केवल एक पुराने सूत्र को परिष्कृत नहीं करता है; यह इस अंतर्ज्ञान को सुधारता है कि विभिन्न गणितीय ब्रह्मांडों में यादृच्छिकता कैसे व्यवहार करती है। यह सिद्ध करके कि गाऊसीता (Gaussianity) की ओर जाने का मार्ग सार्वभौमिक नहीं है, शोधकर्ताओं ने बड़े पैमाने के यादृच्छिक सिस्टम के सूक्ष्म तंत्रों में एक नई खिड़की खोल दी है। उनके परिणाम बताते हैं कि संख्याओं की प्रकृति—चाहे वे वास्तविक हों या जटिल—यह निर्धारित करने में निर्णायक भूमिका निभाती है कि एक अराजक प्रणाली कितनी जल्दी व्यवस्था (order) पाती है। क्वांटम ऊर्जा स्तरों से लेकर नेटवर्क डायनेमिक्स तक सब कुछ मॉडल करने वाले भौतिकविदों और गणितज्ञों के लिए, इसका अर्थ है कि गणितीय मॉडल का चुनाव पहले की तुलना में अधिक महत्वपूर्ण है। "सामान्य" उतार-चढ़ाव हमेशा सामान्य नहीं होते; कभी-कभी, वे एक छिपे हुए हस्ताक्षर को वहन करते हैं जो वास्तविक दुनिया का है और जो जल्दी फीका पड़ने से इनकार करता है। यह शोध पत्र इस क्षेत्र के एक सटीक मानचित्र के रूप में खड़ा है, जो दिखाता है कि सुचारू गाऊसी परिदृश्य कहाँ समाप्त होता है और ऊबड़-खाबड़, गैर-गाऊसी भूभाग कहाँ शुरू होता है, और उस सीमा को पार करने में कितना समय लगता है।