The anisotropic local law for sample covariance matrices under quadratic-form concentration

तकनीकी सारांश: द्विघात-रूप एकाग्रता के अंतर्गत नमूना सहप्रसरण आव्यूह के लिए अनिसोट्रोपिक स्थानीय नियम

1. समस्या विवरण

यह शोध पत्र उन नमूना सहप्रसरण आव्यूहों (sample covariance matrices) $K = N^{-1}XX^*$ के स्पेक्ट्रल विश्लेषण को संबोधित करता है जो आनुपातिक शासन (proportional regime) में हैं, जहाँ आयाम $n$ और नमूना आकार $N$ तुलनीय हैं ($n \asymp N$)। स्तंभ $x_1, \dots, x_N \in \mathbb{R}^n$ स्वतंत्र, केंद्रित यादृच्छिक सदिश (random vectors) हैं जिनका एक सामान्य सहप्रसरण आव्यूह $\Sigma = \mathbb{E}[x_i x_i^*]$ है। महत्वपूर्ण रूप से, लेखक यह धारणा नहीं लेते हैं कि स्तंभों के निर्देशांक स्वतंत्र (separable case) हैं; इसके बजाय, निर्देशांकों में तीव्र, गैर-रैखिक निर्भरताएँ हो सकती हैं।

प्राथमिक लक्ष्य अनिसोट्रोपिक स्थानीय नियम (anisotropic local law) को स्थापित करना है, जो जटिल स्पेक्ट्रल मापदंडों $z = E + i\eta$ के लिए इष्टतम पैमाने $\eta \ge N^{-1+\tau}$ तक रेज़ोलवेंट (resolvent) $R(z) = (K - z)^{-1}$ का एक सटीक सन्निकटन प्रदान करता है। विशेष रूप से, यह शोध पत्र नियत (deterministic) इकाई सदिशों $u, v$ के लिए यह सिद्ध करने का प्रयास करता है:
$$|u^* R(z) v - u^* \Pi(z) v| \prec \Psi(z)$$
जहाँ $\Pi(z)$ विकृत मार्कोवितो-पास्टुर नियम (deformed Marchenko–Pastur law) से प्राप्त एक नियत समकक्ष है, और $\Psi(z)$ इष्टतम त्रुटि दर है।

पूर्व कार्य, फैन, मा, पाक्वेट और वांग (2026) [FMPW26] ने द्विघात-रूप एकाग्रता (Assumption 2) के तहत इस नियम को स्थापित किया था, लेकिन इसके लिए उच्च-क्रम क्युमलेंट टेंसर (higher-order cumulant tensors) के क्षय पर एक अतिरिक्त, प्रतिबंधात्मक परिकल्पना (Assumption 3) की आवश्यकता थी। केंद्रीय प्रश्न जो इस कार्य को प्रेरित करता है, यह है कि क्या केवल द्विघात-रूप एकाग्रता की धारणा ही अनिसotropic स्थानीय नियम को सिद्ध करने के लिए पर्याप्त है, जिससे उच्च-क्रम क्युलेंट्स पर संरचनात्मक धारणाओं को हटाने की आवश्यकता समाप्त हो जाए।

2. कार्यप्रणाली

यह प्रमाण जिग-ज़ैग रणनीति (zig-zag strategy) को अनुकूलित करता है, जो सिपोलोनी, एर्डोस और श्रोडर [CES24] द्वारा पेश की गई एक गतिशील विधि है, जिसे आश्रित निर्देशांकों वाले नमूना सहप्रसरण आव्यूहों के संदर्भ में लागू किया गया है। इस रणनीति में डेटा मैट्रिक्स $X$ के साथ एक स्टोकेस्टिक फ्लो (stochastic flow) के माध्यम से यादृच्छिक आव्यूह को विकसित करना और साथ ही संबद्ध डायसन समीकरण (Dyson equation) के एक अभिलक्षण (characteristic) के साथ स्पेक्ट्रल पैरामीटर को आगे बढ़ाना शामिल है।

प्रमुख तकनीकी घटक:

• ब्लॉक रैखिकीकरण (Block Linearization): सीधे $K$ पर कार्य करने के बजाय, लेखक डेटा मैट्रिक्स $X$ से जुड़े एक हर्मिटियन ब्लॉक आव्यूह $L(X; Z, \beta)$ का उपयोग करके समस्या को रैखिकीकृत करते हैं। यह मैट्रिक्स डायसन समीकरण (MDE) ढांचे के उपयोग की अनुमति देता है। नियत समकक्ष को MDE के एक ब्लॉक-विकर्ण समाधान $M$ के रूप में निर्मित किया जाता है।
• सहप्रसरण-संरक्षण ऑर्नस्टीन-उहलेनबेक (OU) फ्लो: आव्यूह के स्तंभ एक OU फ्लो $dX_t = -\frac{1}{2}X_t dt + \Sigma^{1/2} dB_t$ के अनुसार विकसित होते हैं। यह फ्लो सहप्रसरण संरचना $\Sigma$ को संरक्षित करता है जबकि गाऊसी स्मूथिंग (Gaussian smoothing) को भी पेश करता है।
• "जिग" चरण (फॉरवर्ड तुलना): रेज़ोलवेंट, OU फ्लो के साथ विकसित होता है जबकि स्रोत पैरामीटर $(Z, \beta)$ MDE से प्राप्त एक विशिष्ट अभिलक्षण वक्र के साथ चलते हैं। स्रोत की गति को अग्रणी-क्रम Itô सुधार को रद्द करने के लिए चुना जाता है। त्रुटि को वार्ड पहचान (Ward identities) और [FMPW26] से अनुकूलित एक स्थिर उतार-चढ़ाव-औसत तर्क का उपयोग करके नियंत्रित किया जाता है।
• "ज़ैग" चरण (रिवर्स तुलना): यह इस शोध पत्र का नवीन योगदान है। स्रोत को स्थिर रखा जाता है, और फ्लो को स्मूथ की गई अवस्था से मूल एन्सेम्बल (ensemble) तक वापस ले जाया जाता है। पिछले प्रमाणों के विपरीत, जो व्यक्तिगत आव्यूह प्रविष्टियों के क्युमलेंट विस्तार (cumulant expansions) पर निर्भर करते हैं (जो आश्रित निर्देशांकों के लिए विफल हो जाते हैं), यह चरण प्रत्येक स्तंभ को एक संपूर्ण इकाई के रूप में मानता है।
  • लेखक OU फ्लो के साथ उतार-चढ़ाव क्षणों (fluctuation moments) $\mathbb{E}|u^*(R - M)u|^{2L}$ का अंतर देखते हैं।
  • शूर पूरक सूत्र (Schur complement formula) का उपयोग करते हुए, एक विशिष्ट स्तंभ $x_i$ पर रेज़ोलवेंट की निर्भरता (अन्य स्तंभों पर सशर्त) को एक रैखिक रूप $x_i^* b_i$ और एक द्विघात रूप $x_i^* A_i x_i$ के परिमेय फलन के रूप में व्यक्त किया जाता है।
  • OU फ्लो का जनरेटर (generator) एक-स्तंभ जनरेटर $L_i$ के योग में विभाजित होता है। लेखक दिखाते हैं कि $L_i$ इन रैखिक और द्विघात रूपों से बने अवलोकनों (observables) के वर्ग को संरक्षित करता है।
  • महत्वपूर्ण रूप से, इन रूपों का नियंत्रण केवल द्विघात-रूप एकाग्रता धारणा (Assumption 2) पर निर्भर करता है। इसके लिए निर्देशांकों के विस्तार या उच्च-क्रम क्युलेंट्स पर किसी धारणा की आवश्यकता नहीं है। अग्रणी निरसन (cancellations) इन रूपों के केंद्रीकरण ($\mathbb{E}[x_i^* b_i] = 0$ और $\mathbb{E}[x_i^* A_i x_i - \text{Tr}(\Sigma A_i)] = 0$) से उत्पन्न होते हैं।

3. मुख्य योगदान और परिणाम

मुख्य प्रमेय (Theorem 2.4 / Theorem 1.1):
Assumption 1 ( $\Sigma$ की नियमितता और आनुपातिक शासन) और Assumption 2 (द्विघात-रूप एकाग्रता और बहुपद नॉर्म मोमेंट्स) के तहत, इष्टतम अनिसोट्रोपिक स्थानीय नियम लागू होता है:
$$|u^* (R(z) - \Pi(z)) v| \prec \sqrt{\frac{\text{Im } m_0(z)}{N\eta}} + \frac{1}{N\eta}$$
जो शून्य से दूर नियमित स्पेक्ट्रल डोमेन में $z$ के लिए समान रूप से मान्य है। यह परिणाम पूर्ण रैखिकीकृत रेज़ोलवेंट पर लागू होता है और मानक नमूना सहप्रसरण रेज़वलवेंट $R(z)$ और ग्राम रेज़ोलवेंट $\tilde{R}(z)$ के लिए भी समान सीमा को दर्शाता है।

क्युमलेंट धारणाओं को हटाना:
यह शोध पत्र स्पष्ट रूप से [FMPW26] में आवश्यक उच्च-क्रम क्युमलेंट टेंसर धारणा (Assumption 3) को हटा देता है। यह उस खुले प्रश्न को हल करता है जो उस कार्य में उठाया गया था कि क्या द्विघात-रूप एकाग्रता अनिसोट्रोपिक स्थानीय नियम के लिए पर्याप्त है।

अनुप्रयोग और उदाहरण:
लेखक सत्यापित करते हैं कि उनकी धारणाएं गैर-पृथकरणीय (non-separable) मॉडलों के एक विस्तृत वर्ग के लिए लागू होती हैं, जिनमें वे स्तंभ शामिल हैं जहाँ निर्देशांक गैर-रैखिक रूप से निर्भर हैं, जैसे:

• कॉन्वेक्स एकाग्रता (Convex Concentration): वे सदिश जो आयामी-मुक्त लॉगरिदमिक सोबोलेव असमानता या उप-बहुपद स्थिरांकों के साथ कॉनवेक्स एकाग्रता को संतुष्ट करते हैं।
• लॉग-कॉन्केव स्तंभ (Log-Concave Columns): केंद्रित लॉग-कॉन्केव वितरणों (जैसे उत्तल निकायों पर यूनिफॉर्म) से स्वतंत्र नमूने।
• गाऊसी मापों के गैर-रैखिक टिल्ट्स (Nonlinear Tilts of Gaussian Measures): $e^{-\frac{1}{2}x^*\Lambda x - W(x)}$ के रूप के वितरण जहाँ $W$ का हेसियन (Hessian) सीमित है, जो बिना संरचनात्मक स्पर्सिटी के निर्देशांकों के घने युग्मन (dense coupling) की अनुमति देता है।
• डीप रैंडम फीचर्स (Deep Random Features): $x = \sigma_L(T_L \dots \sigma_1(T_1 y))$ के रूप के मॉडल जहाँ लिप्सचिट्ज़ सक्रियण (Lipschitz activations) और निश्चित गहराई है।
• गोलाकार $p$-स्पिन मॉडल (Spherical $p$-Spin Models): गोले पर उच्च-तापमान गिब्स मेजर्स (Gibbs measures)। लेखक नोट करते हैं कि 4-स्पिन मॉडल के लिए, चौथा क्युमलेंट टेंसर विस्केंद्रित (disordered) है और [FMPW26] की क्युमलेंट स्थिति का उल्लंघन करता है, फिर भी उनके नए ढांचे के तहत अनिसोट्रोपिक स्थानीय नियम लागू होता है।

परिणाम (Corollaries):
अनिसोट्रोपिक नियम के प्रत्यक्ष परिणाम के रूप में, यह शोध पत्र नियमित स्पेक्ट्रम के भाग में आइजन मानों (eigenvalues) के लिए प्रत्येक नियत दिशा में आइजनवेक्टर्स (eigenvectors) के डिलेलोकलाइजेशन (delocalization) को स्थापित करता है।

4. महत्व और दावे

यह शोध पत्र वास्तविक स्तंभों के लिए अनिसोट्रोपिक स्थानीय नियम का एक नया, गतिशील प्रमाण प्रदान करने का दावा करता है जो प्रतिबंधात्मक पृथकरणीयता धारणा या उच्च-क्रम क्युमलेंट संरचनाओं पर निर्भर नहीं करता है।

• व्यापकता (Generality): केवल द्विघात-रूप एकाग्रता पर निर्भर होकर, यह परिणाम "विस्केंद्रित-क्युमलेंट" (disordered-cumulant) सदिशों के लिए लागू होता है जहाँ पिछले तरीके विफल रहे थे। यह आधुनिक सांख्यिकी और मशीन लर्निंग (जैसे डीप न्यूरल नेटवर्क और रैंडम फीचर मॉडल) में पाए जाने वाले जटिल, गैर-रैखिक रूप से निर्भर उच्च-आयामी वितरणों को शामिल करने के लिए रैंडम मैट्रिक्स थ्योरी के दायरे को महत्वपूर्ण रूप से बढ़ाता है।
• पद्धतिगत नवाचार (Methodological Innovation): ज़ैग अनुमान में "पूरे-स्तंभ" (whole-column) तुलना चरण, प्रविष्टिवार क्युमलेंट विस्तार (entrywise cumulant expansions) से एक महत्वपूर्ण तकनीकी विचलन है। यह प्रदर्शित करता है कि रेज़ोलवेंट की शूर पूशक संरचना (Schur complement structure), OU फ्लो के अंतर के साथ मिलकर, रैंडम सदिशों को उनके निर्देशांकों में विस्तारित किए बिना उतार-चढ़ाव को नियंत्रित करने के लिए पर्याप्त है।
• इष्टतमता (Optimality): त्रुटि दर $\Psi(z)$ और स्पेक्ट्रल स्केल $\eta \ge N^{-1+\tau}$ इष्टतम हैं, जो पृथकरणीय मामले (Knowles and Yin [KY17]) के सर्वोत्तम ज्ञात परिणामों से मेल खाते हैं।

लेखक खुले प्रश्नों के प्रति विनम्र रहते हैं, यह नोट करते हुए कि शून्य के करीब जाने वाले डोमेन (हार्ड एज) तक परिणाम का विस्तार करना और सामान्य आश्रित स्तंभों के लिए एज यूनिवर्सलिटी (edge universality) को सिद्ध करना अभी भी खुले प्रश्न हैं जिनके लिए आगे के विश्लेषण की आवश्यकता है।