技術要約：ランダム正則グラフにおけるエッジ普遍性

問題設定

本論文は、ランダムな $d$-正則グラフにおけるエッジ普遍性予想（edge universality conjecture）を取り扱う。具体的には、正規化された隣接行列の極値固有値のゆらぎが、Tracy-Widom分布（特にガウス直交アンサンブル（GOE）に関連する $\text{TW}_1$ 分布）に収束することを検証している。

局所的な固有値統計（バルク普遍性）については、ランダム正則グラフにおいて既に確立されているが、スペクトルの端（$\pm 2$）における挙限的挙動は特有の課題を提示する。ウィグナー行列（Wigner matrices）の場合、その極限的なスペクトル密度は半円則に従うが、ランダム $d$-正則グラフはケステン・マッケイ（Kesten-McKay）分布に収束する。この分布も端において平方根的な挙動を示すものの、異なるグローバルな構造を持っている。主な困難は、標準的な比較手法（ガウス積分による部分積分や累積量展開に依存するもの）が、すべての頂点の次数が正確に $d$ であるという厳格な制約により、固定次数 $d$ の正則グラフに対しては機能しない点にある。

著者らは、固定された $d \ge 3$ に対して、ランダム $d$-正則グラフの再スケールされた極値固有値がGOEの分布に収束するという定理 1.1を証明することを目的としている。直接的な系として、ランダムにサンプリングされた $d$-正則グラフが（非自明な固有値の絶対値が2以下であるという意味で）**ラマヌジャン（Ramanujan）**である確率は、約69%である。

手法

証明は、ランダム行列理論における標準的な3ステップの戦略に従うが、正則グラフの組合せ論的構造に適応させた新しい手法を導入している。

1. 局所法則と剛性（Local Law and Rigidity）： スペクトルの端に至るまでの最適な固有値の剛性を確立する。これには、シュルスティッツ変換 $m_N(z)$ と、関連する量 $Q(z)$（隣接する頂点にわたる対角成分のグリーン関数の平均）に関する**自己整合方程式（self-consistent equations）**の導出が必要となる。
2. 微視的ループ方程式（Microscopic Loop Equations）： 摂動を加えた行列 $H(t) = H + \sqrt{t}Z$ に対する、微視的なバージョンのループ方程式（ディゾン・シュワインガー方程式）を導出する。ここで $Z$ は、行和がゼロである部分空間に制限されたGOE行列である。
3. グリーン関数の比較： ループ方程式を用いて、エッジ統計がダイソン・ブラウン運動の流れに対して不変であることを示し、それによってガウス可分モデルから元のランダム正則グラフへと普遍性を転移させる。

主要な技術的革新

1. 局所的な再サンプリングと交換可能ペア

隣接行列の成分における独立性の欠如を扱うため、著者らは**局所的な再サンプリング（local resampling）**の手順を採用している。

• メカニズム： 固定された頂点 $o$ と半径 $\ell$ に対して、ボール $B_\ell(o)$ の境界上にあるエッジを、グラフ内の他の場所にあるランダムに選ばれたエッジと入れ替える（ただし、その入れ替えが局所的にツリー構造を維持する場合に限る）。
• 交換可能ペア： この手順は、グラフの交換可能ペア $(G, \tilde{G})$ を生成する。これにより、交換可能ペアに基づく集中不等式を用いて、自己整合方程式の高次モーメントの期待値を推定することが可能になる。
• 反復的な洗練： 単一の再サンプリングステップでは誤差が弱すぎる。著者らは、局所的な再サンプリングを繰り返し行う反復メカニズムを開発した。各ステップにおいて誤差項を追跡・制御し、誤差が最適なスケール（$N^{-2/3}$）に達するまで集中度を高めていく。

2. フォレストと許容関数

反復的な再サンプリングの組合せ論的な複雑さを管理するために、著者らは**フォレスト（forests）と許容関数（admissible functions）**を用いた定式化を導入している。

• フォレスト： 再サンプリング操作の連鎖は、拡張されるフォレスト構造 $F$ としてエンコードされる。ここで「コア・エッジ（core edges）」は再サンプリングされるエッジを表し、「スイッチング・エッジ（switching edges）」は新しい接続を表す。
• 許容関数： グリーン関数の展開から生じる誤差項は、特定の因子（例：$G_{cc}^{(b)} - Q$, $G_{cc}^{(bb')} - Q$, $Q - m_{sc}(z)$）の積として分類される。これらは「許容関数」と呼ばれる。
• SchurおよびWoodburyの公式： 再サンプリングされたグラフ $\tilde{G}$ のグリーン関数を元のグラフ $G$ を用いて表現するために、著者らはSchur補行列公式（頂点の除去用）およびWoodburyの公式（ランク $r$ の摂動用）を利用する。これにより、$\tilde{G} - G$ を、元のグリーン関数と再サンプリングのデータを含む一連の項へと分解することができる。

3. 自己整合方程式およびループ方程式の導出

• 自己整合方程式： 著者らは、$Q(z)$ と $m_N(z)$ が $Q(z) \approx Y_\ell(Q(z), z)$ および $m_N(z) \approx X_\ell(Q(z), z)$ という形式の方程式を満たすことを証明する。ここで $Y_\ell$ と $X_\ell$ は無限ツリーのグリーン関数から導かれる関数である。証明には、差 $Q(z) - Y_\ell(Q(z), z)$ の期待値が無視できることを示すプロセスが含まれる。
• 微視的ループ方程式： 自己整合方程式に対する次次の補正項を特定することで、著者らは最初の微視的ループ方程式を導出する。この方程式は、シュルスティッツ変換のゆらぎとその微分を関連付けるものであり、$\beta$-アンサンブルのループ方程式の構造を模倣しつつ、 $d$-正則グラフの特定の幾何学に適合させている。

主要な結果

1. エッジ普遍性（定理 1.1）： 固定された $d \ge 3$ に対して、再スケールされた極値固有値の結合分布 $(AN)^{2/3}(\lambda_{k+1} - 2)$ は、GOEの固有値の結合分布に収束する。ここで $A = d(d-1)/(d-2)^2$ である。
2. ラマヌジャン特性（系 1.2）： エッジ普遍性とTracy-Widom分布の性質の結果として、ランダム $d$-正則グラフが約69%の確率でラマヌジャンである。
3. 最適な集中： 本論文は、スペクトルの端までスケール $N^{-2/3}$ における最適な固有値の剛性を確立しており、これは普遍性の証明に不可欠である。
4. 局所法則の拡張： 本研究は、従来の文献における局所法則の結果を、スペクトルの端まで最適な誤差境界とともに拡張するものである。これには、標準的なモーメント法の限界を克服するための局所再サンプリング技術が用いられている。

意義と主張

本論文は、バルク領域や次数が増大する場合の進展にもかかわらず、未解決のままであった固定次数 $d$ のランダム正則グラフにおけるエッジ普遍性予想を解決したと主張している。

• 構造的剛性の克服： 主要な意義は、局所的な再サンプリング技術と反復的な誤差追跡メカニズムの開発にある。このアプローチは、正則グラフの局所的なツリー構造とグラフ分布の交換可能性を利用することで、固定次数グラフにおける標準的な累積量展開法の失敗を回避している。
• ループ方程式の精緻化： $d$-正則グラフに対する微視的ループ方程式の導出は、異なるグローバルなスペクトル密度（ケステン・マッケイ対半円則）を持っているにもかかわらず、エッジ統計がウィグナー行列と同じ普遍的なメカニズムによって支配されていることを示している。
• ラマヌジャングラフ： この結果は、ランダムな正則グラフがラマヌジャンである可能性が高いというヒューリスティックを厳密な確率論的裏付けによって支持しており、「ほとんどの」正則グラフが最適なエキスパンダー（expanders）であるという考えを補強している。

著者らは、自己整合方程式とループ方程式の導出が深く相互に関連していることを強調している。ループ方程式は、本質的に自己整合方程式における精密な補正項を特定することから生じるものである。本研究は新しい応用を提案するものではなく、むしろ基礎的なクラスのランダムグラフのスペクトル特性に関する基礎的な理論的証明を提供するものである。