Path-Integral Formulation of Unavoidable Canonical Nonlinearity: Dynamic Discretization Cost over Variable Supports

本論文は、連続分布の離散化に起因する避けられない正準非線形性（UCN）の限界を克服し、異なる支持体を持つ状態間の幾何学的コストを累積的に評価する「経路積分型 UCN（PUCN）」を提案し、正準非線形性を UCN と残差成分に自然に分解する新たな枠組みを確立したものである。

要約

1. 背景：理想の地図と現実のドット絵

まず、物理学の世界には「原子」のような小さな粒があります。これらは「格子（マス目）」という決まった場所にしか置けないため、**「離散的（ドット絵のような世界）」**です。

一方、物理学者は計算を楽にするために、原子が「どこにでも自由に動ける」と仮定した**「連続的な世界（滑らかな地図）」**で計算することがよくあります。

• 理想（連続）： 滑らかな地図。どこにでも行ける。
• 現実（離散）： ドット絵。マス目の交点にしか置けない。

この「滑らかな地図」を「ドット絵」に落とし込む（離散化する）作業をするとき、どうしても**「歪み（ひずみ）」が生まれます。これを論文では「カノニカル・ノンリニアリティ（CN）」**と呼んでいます。

2. 従来の問題点：「歪み」の正体がわからなかった

昔の研究では、この歪みを測るために「Kullback-Leibler（KL）ダイバージェンス」というものを使っていました。
これは、「現実のドット絵」と「理想の滑らかな地図を無理やりドット絵にしたもの」を比べる方法です。

しかし、ここには大きな落とし穴がありました。
「理想の滑らかな地図」自体をドット絵にするときにも、必ず歪み（誤差）が発生します。
昔の研究は、「原子が並ぶ場所の特殊性（非ガウス性）」による歪みと、「地図をドット絵にする作業そのもの」による歪みをごちゃまぜにして測ってしまっていたのです。

3. 既存の解決策：UCN（避けられない歪み）

最近、この「作業そのものによる歪み」だけを切り離して測る方法（UCN：Unavoidable Canonical Nonlinearity）が見つかりました。
これは**「どんな理想の地図でも、ドット絵にすれば必ず生じる『最低限の歪み』」**を測る尺です。

でも、UCN には限界がありました。

• UCN は「一つの理想の地図」に対してしか使えません。
• もし「A という種類の原子の並び」と「B という全く違う種類の原子の並び」を比べたい場合、UCN だけでは「どちらがどれだけ違うか」を測る共通の基準が作れませんでした。
• つまり、**「A から B へ移動する途中の歪み」**を測る方法がなかったのです。

4. 新しい発見：PUCN（経路積分による歪み）

そこで、この論文では**「PUCN（Path-Integral UCN）」**という新しい概念を提案しています。

創造的な例え：「登山ルート」で測るコスト

想像してください。

• **山 A（状態 1）と山 B（状態 2）**があります。
• 両方とも「ドット絵の地図」で表されています。
• 昔の UCN は、「山 A の頂上から、理想の空（連続世界）を眺めたときの歪み」しか測れませんでした。

PUCN のアプローチ：
「山 A から山 B へ向かう**『ルート』**を一つ決めましょう」という考え方です。

1. ルートを決める（経路）：
   山 A から山 B へ行くために、空（連続世界）を通る滑らかな道を作ります。この道は、統計的な性質が自然に変化するように設計されます（論文では「e-混合」という数学的なルールを使っています）。
2. 一歩一歩の歪みを足し合わせる（経路積分）：
   ルート上の「今いる場所」から「次の場所」へ一歩進むたびに、その瞬間に生じる「ドット絵化による歪み（コスト）」を測ります。
3. 合計する：
   山 A から山 B まで進む過程で、すべての瞬間の歪みを足し合わせます。これがPUCNです。

なぜこれがすごいのか？

この方法には 2 つの大きなメリットがあります。

• メリット 1：どんな場所同士でも比較できる
  山 A と山 B が「全く違う地形（支持体が違う）」であっても、ルートさえ作れば、その間の「歪みの総量」を計算できます。
• メリット 2：歪みの内訳がわかる（分解）
  PUCN を計算すると、その歪みが以下の 2 つに分けられることがわかります。
  1. 避けられない歪み（UCN）： 「ドット絵にする作業そのもの」に由来する、避けられないコスト。
  2. 残りの歪み（Residual）： 「原子の並び方が特別（ガウス分布からズレている）」ことに由来する、追加のコスト。

これまではごちゃまぜだったこの 2 つを、PUCN を使うことで**「作業のコスト」と「素材の特殊性のコスト」を明確に分けて評価**できるようになりました。

5. まとめ：この研究が意味すること

この論文は、**「現実（離散）と理想（連続）のギャップ」**を測る新しいものさしを作りました。

• 昔： 「ズレている！」としか言えなかった。
• 今（PUCN）： 「そのズレのうち、〇〇%は『地図の解像度』のせい（避けられないもの）で、残りは『地形の特殊性』のせい（特徴的なもの）だ」と、内訳を詳しく説明できるようになりました。

これは、合金（金属の混ぜ物）の設計や、複雑な物質の性質を予測する際に、「どの部分が計算の限界による誤差で、どの部分が物質固有の面白い性質なのか」を区別するのに役立つ、非常に重要なツールになります。

一言で言えば：
「地図をドット絵にするとき、『作業の手間』と『地形の複雑さ』を分けて測る、新しい高精度のメジャーを発明しました」という話です。

技術概要

論文技術要約：経路積分による回避不可能な正準非線形性の定式化

1. 背景と問題提起

古典的離散系（置換合金など）の統計熱力学において、微視的な原子間相互作用から熱力学的平衡配置への写像は、一般的に複雑な非線形性を示します。これを**「正準非線形性（Canonical Nonlinearity: CN）」**と呼びます。

従来の CN の定量化は、実システムの離散配置密度状態（CDOS）と、同じ平均・共分散を持つ参照ガウス分布との間のカルバック・ライブラー（KL）ダイバージェンスに基づいて行われてきました。しかし、このアプローチには以下の根本的な課題がありました。

• 離散化そのものに起因するコストの混入: 従来の手法は、連続ガウス分布を離散化する過程で生じる幾何学的歪み（本質的な非ガウス性とは無関係な部分）を、CDOS の非ガウス性由来のコストと区別できずに含んでしまっていました。
• UCN の限界: 最近提案された「回避不可能な正準非線形性（Unavoidable CN: UCN）」は、連続分布の離散化に起因する固有のコストを抽出することに成功しましたが、これは単一の連続分布に対して定義されるものでした。
• 異なる分布間の評価不足: UCN は、参照ガウス分布と実際の非ガウス離散分布の間、あるいは支持集合（Support）が根本的に異なる状態間の情報幾何学的コストを直接評価できず、CN の全体像を内在的寄与と残差に分解する枠組みが不明確でした。

2. 提案手法：経路積分 UCN (PUCN)

これらの課題を解決するため、著者は**経路積分 UCN（Path-Integral UCN: PUCN）**を提案しました。これは、UCN を拡張し、統計多様体上の 2 つの異なる分布を結ぶ経路に沿って離散化に起因する幾何学的コストを累積する枠組みです。

PUCN の定式化の核心:
PUCN は、統計多様体上のパラメータ $\lambda \in [0,1]$ でパラメータ化された経路 $P_\lambda$ において、局所的な離散化コストを積分することで定義されます。

$$\zeta_P = \int_0^1 d\lambda \, \text{Tr}[M(\lambda)\Omega(\lambda)]$$

ここで、

• $\Omega(\lambda)$: 統計多様体上のフィッシャー情報計量（Fisher metric）。
• $M(\lambda)$: 離散化セルの二次モーメント行列（離散化の幾何学的構造を表す）。

経路の構築条件:
PUCN を意味あるものとするため、以下の 2 つの条件に基づいて経路を構築しました。

1. 統計多様体上の経路（e-混合）:
   正準構造（指数分布族）を維持するため、基底測度の幾何平均（e-geodesic）に従う経路を採用します。ガウス参照構造に整合させるため、フィッシャー計量 $\Omega(\lambda)$ には算術平均（線形補間）を適用します。
   $$\Omega(\lambda) = (1-\lambda)\Omega(0) + \lambda\Omega(1)$$

2. 離散化セルの経路（調和混合）:
   離散化セル $M(\lambda)$ の変化は情報幾何学では自明ではないため、パラメータの不確実性を逆フィッシャー計量として解釈し、共変的な変化を強制する条件を課します。これにより、$M(\lambda)$ は**調和平均（harmonic mixture）**として自然に導かれます。
   $$M(\lambda) = \left[ (1-\lambda)M^{-1}(0) + \lambda M^{-1}(1) \right]^{-1}$$

この構成により、支持集合が本質的に異なる状態間でも、柔軟かつ頑健に幾何学的コストを評価することが可能になります。

3. 主要な成果と結果

PUCN の導入により、以下の重要な成果が得られました。

• CN の明確な分解:
  連続ガウス分布 $g_c$ から実離散分布 $g$ への PUCN は、以下の 2 つの項に自然に分解されます。
  $$\zeta_P = \zeta_{\text{UCN}} + \int_0^1 d\lambda \, \text{Tr}[M, \Delta\Omega(\lambda)]$$

  • 第 1 項 ($\zeta_{\text{UCN}}$): 離散化そのものに起因する「回避不可能な正準非線形性」。これは参照ガウス分布を離散化セルに射影する際の固有コストです。
  • 第 2 項: 離散化支持集合上における「非ガウス性由来の残差」。これは、参照ガウス分布からの偏差を定量化します。
    これにより、従来の手法では混同されていた「離散化効果」と「非ガウス性」が幾何学的に明確に分離されました。

• 頑健な幾何学的定式化:
  PUCN は、離散化の極限（$d \to 0$）における最適輸送に由来するトレース形式 $\text{Tr}(M\Omega)$ で定義されています。これは、連続分布の拡張（埋め込み）の選択に敏感に依存する KL ダイバージェンスの期待値表現とは異なり、異なる埋め込みスキームに対して安定した（ロバストな）幾何学的特徴量を提供します。

• 異なる支持集合間の評価:
  従来の UCN や KL 法では困難だった、支持集合が根本的に異なる分布間（例：異なる格子構造を持つ系）の情報幾何学的コストの評価が可能になりました。

4. 意義と将来展望

本研究は、統計熱力学における「離散化」「幾何学」「統計構造」の相互作用に対する新たな視点を提供しました。

• 理論的意義: 正準非線形性を、内在的な離散化コストと構造的非ガウス性という 2 つの明確な要素に分解する統一枠組みを確立しました。
• 応用可能性: 異なる CDOS（配置密度状態）システム間の CN を明示的に定量化し、合金設計や材料科学における複雑な相転移現象の解析に応用可能です。
• 将来の展開: 非ガウス連続参照への拡張、PUCN を最小化する最適経路の解析、および離散化効果が本質的な役割を果たす実システムへの適用が今後の課題として挙げられています。

結論として、PUCN は情報幾何学における離散化と非ガウス性の統一的理解への道を開く画期的な手法です。