On the asymptotic duality of spectral variances in random matrix theory and the "1/6" formula

この論文は、ランダム行列理論における「数分散」と「順序固有値の分散」の間の神秘的な関係が、$\beta=2$ の対称性クラスにおいて漸近的に厳密に成立することを、新たなスパン和則を用いて証明し、さらに他の対称性クラスへの拡張を提唱している。

要約

🎵 1. 舞台：カオスな音楽と「整列した」音階

まず、この研究の舞台は**「ランダム行列理論（Random Matrix Theory）」という世界です。
これは、原子核や複雑な量子システム（例えば、電子が飛び交う金属など）のエネルギー状態を、「ランダムに並んだ音符」**としてモデル化する数学の分野です。

• 普通の統計（Ordinary Statistics）：
  Imagine a huge orchestra playing a chaotic piece. You ask, "How many notes are played in the first 10 seconds?" This is like counting the total number of eigenvalues in a range. It's a global view, like looking at the whole crowd.
  （例：コンサートホールで「最初の 10 秒間に何個の音が鳴ったか」を数えること。全体像を見るようなものです。）

• 整列した統計（Ordered Statistics）：
  Now, imagine you are listening to a specific instrument. You ask, "What is the pitch of the 100th note that comes out?" This is like looking at the $L$-th ordered eigenvalue. It's a local view, focusing on a specific individual in the line.
  （例：「100 番目に鳴る音はどんな高さか？」と、順番に並んだ音の一つ一つに注目すること。特定の個人に焦点を当てるようなものです。）

通常、この「全体の数（数）」と「特定の順番の音（位置）」は、全く別の性質を持っていると考えられていました。しかし、ここに**「ミステリー」**が潜んでいます。

🔗 2. 発見された「1/6 の魔法」

1970 年代、フランスの科学者たちが不思議な提案をしました。
「全体の音の数の揺らぎ（ばらつき）」と、「100 番目の音の位置の揺らぎ（ばらつき）」を比べると、その差は常に「1/6」という一定の値になるのではないか？

これは、**「2 つの全く異なる現象が、実は同じ裏付けを持っている」という驚くべき仮説です。
しかし、この仮説は半世紀近く、「本当か？嘘か？」「小さい数字では合うけど、大きい数字ではズレるのでは？」**と議論され、謎のまま残っていました。

🔍 3. この論文が解いた謎

今回の研究チーム（天、リサー、カンジーパー）は、この「1/6 の公式」が**「無限大の数字（L が非常に大きい）」になる限り、完全に正しい（厳密に成り立つ）」**ことを証明しました。

彼らは、**「音と音の間隔（スペーシング）」の揺らぎに関する、これまで誰も知らない新しい「足し算のルール（Sum Rule）」**を発見しました。
これを鍵にして、2 つの異なる揺らぎの差が、なぜ「1/6」に収束するのかを数学的に導き出しました。

イメージ：
2 つの異なる国（2 つの統計）の通貨価値を比べたら、為替レートを無視しても、常に「1/6 ドル」の差があることがわかった、という感じです。しかも、その差がどうやってその値に近づいていくか（収束の道筋）まで詳しく描き出しました。

🎨 4. 3 つの「色」と「形」の違い

この世界には、**「β=1, 2, 4」**という 3 つの異なるルール（対称性クラス）があります。

• β=2（単位対称性）： 最も基本的なルール。ここでは「1/6」の公式が完全に証明されました。
• β=1 と β=4（直交・シンプレクティック）： 少し異なるルール。ここでは「1/6」に近づくスピードが少し違うことがわかりました。
  • β=4の場合、1/6 に近づくのが少し遅く、**「1/L（L の逆数）」**という補正項が必要でした。
  • β=1の場合、β=2 と似た速さで近づきます。

これらは、**「同じ曲を、異なる楽器（弦、管、打楽器）で演奏すると、少し違う音色になるが、根本的なリズムは同じ」**という状況に似ています。

📊 5. 計算機による「証拠」

理論だけでなく、彼らは高性能なコンピュータを使って、この公式が実際に正しいことを**「超精密な数値計算」**で確認しました。

• 100 番目の音、200 番目の音……と数を増やしていくと、差が「1/6（約 0.1666...）」にピタリと収束していく様子が、グラフ上で鮮明に描かれました。
• 特に、β=2 の場合、理論値と計算値のズレは、10 億分の 1というレベルで一致しました。これは、理論が完璧であることを示す強力な証拠です。

🌟 まとめ：なぜこれが重要なのか？

この研究は、**「一見すると無関係に見える 2 つの現象（全体の数と特定の位置）が、実は深いところで繋がっている」**ことを示しました。

• ミステリーの解決： 半世紀前の「1/6 の公式」が、単なる偶然や近似ではなく、**「数学的な真理」**であることを証明しました。
• 新しい道具： 「音の間隔の揺らぎを足し合わせる新しいルール（Sum Rule）」を発見し、これが今後の物理学や数学の研究で使われる重要な道具になるでしょう。
• 普遍性： 複雑でカオスな量子システムであっても、その奥には**「1/6」というシンプルで美しい法則**が潜んでいることを教えてくれます。

一言で言えば：
「複雑な量子世界のノイズの中に、『1/6』という魔法の定数が隠されており、それが『全体の数』と『特定の順番』の関係を繋ぐ鍵だった」という、壮大な数学的探偵物語の解決編です。

技術概要

1. 問題設定 (Problem)

ランダム行列理論（RMT）において、量子カオス系のスペクトル揺らぎを記述する際、主に二つの統計量が用いられます。

1. 通常の線形スペクトル統計量 (Ordinary linear spectral statistics): 固有値の順序を考慮せず、全スペクトルを扱う統計量（例：数値分散 $var[N(s)]$）。
2. 順序付き線形スペクトル統計量 (Ordered linear spectral statistics): 固有値の順序（$\lambda_1 \le \lambda_2 \le \dots$）を本質的に含む統計量（例：$L$ 番目の順序付き固有値 $\lambda_L$ の分散 $var[\lambda_L]$）。

1978 年に French らによって提案された「神秘的な関係式」が、本論文の核心です。これは、長さ $L$ の区間内のレベル数 $N(L)$ の分散と、$L$ 番目の順序付き固有値 $\lambda_L$ の分散の間には、以下の近似関係が成り立つというものです。

$$var_\beta[N(L)] \approx var_\beta[\lambda_L] + \frac{1}{6}$$

ここで、$\beta$ はダイソン対称性指数（$\beta=1, 2, 4$）です。
しかし、この関係式は長年「経験的・帰納的」なものであり、数学的に厳密に証明されたものではありませんでした。さらに、数値検証において、$L$ が小さい領域ではよく一致するものの、$L$ が大きくなるにつれて誤差が増大するという矛盾した報告もあり、その有効性と漸近的な振る舞いについては不透明な状態でした。

本論文の目的:
この「1/6 公式」の正しさを、特に $\beta=2$（ユニタリー対称性クラス）において、漸近的に厳密に証明すること、およびその収束の軌跡を明示することです。また、$\beta=1$（直交）および $\beta=4$（シンプレクティック）に対する拡張を提唱し、数値的に検証することです。

2. 手法 (Methodology)

本論文は、解析的証明と高精度数値解析の両面からアプローチしています。

• 解析的アプローチ:

  • パワースペクトル記述: 著者らの先行研究に基づき、固有値の揺らぎをパワースペクトル（スペクトル密度の Fourier 変換）として記述する手法を採用しました。
  • 新しい総和則 (Sum Rule) の導出: レベル間隔の自己共分散 $\delta I^{(\beta)}_\ell$ に関する、以前は知られていなかった新しい総和則を導出しました。これが証明の鍵となります。
  • Painlevé 超越関数との関連: $\beta=2$ の場合、レベル間隔のパワースペクトルが第五 Painlevé 超越関数で厳密に記述されることを利用し、その小周波数展開（$\omega \to 0$）を解析的に評価しました。
  • 漸近展開: 数え上げ関数の累積量（cumulants）の漸近挙動を精密に制御し、$L \to \infty$ における $var[\lambda_L]$ の展開式を導出しました。

• 数値的アプローチ:

  • Bornemann のツールボックス: Fredholm 行列式の直接積分離散化に基づく MATLAB ツールボックス「RMTFredholm」を用いて、非常に高精度なスペクトルデータを生成しました。
  • 対称性クラスの比較: $\beta=1, 2, 4$ のすべての対称性クラスに対して、数値計算を行い、解析的予測との一致を確認しました。

3. 主要な貢献と結果 (Key Contributions and Results)

A. 「1/6 公式」の厳密な証明 (Theorem 2.1)

$\beta=2$ の場合、$L \to \infty$ の極限において、以下の漸近展開が成り立つことを証明しました。

$$var_2[N(L)] - var_2[\lambda_L] = \frac{1}{6} + \frac{1}{2\pi^4 L^2} \left( \log(2\pi L) + \gamma - \frac{\pi^2 + 9}{6} \right) + o(L^{-2})$$

ここで $\gamma$ はオイラー・マスケローニ定数です。

• 結果: この式は、差が単に $1/6$ に収束するだけでなく、その収束速度が $O(L^{-2} \log L)$ であることを示しています。これにより、French らの公式が漸近的に厳密であることが証明されました。

B. $L$ 番目固有値分散の漸近挙動 (Proposition 2.2)

順序付き固有値 $\lambda_L$ の分散自体の漸近展開を導出しました。
$$var_2[\lambda_L] = \frac{1}{\pi^2} \left( \log(2\pi L) + \gamma + 1 \right) - \frac{1}{6} - \frac{1}{2\pi^4 L^2} \left( \log(2\pi L) + \gamma - \frac{\pi^2 + 6}{6} \right) + o(L^{-2})$$
この結果は、数値分散 $var[N(L)]$ の既知の式と組み合わせることで、上記の差の公式を導く基礎となります。

C. 新しい総和則 (Proposition 2.3)

レベル間隔の自己共分散に関する、以下の新しい総和則を導出・証明しました。
$$C^{(1)}_2 = \sum_{\ell=1}^\infty \ell \left( \delta I^{(2)}_\ell + \frac{1}{2\pi^2 \ell^2} \right) = \frac{1}{12} - \frac{1}{2\pi^2} \log(2\pi)$$
この総和則は、スペクトル剛性（spectral rigidity）の深い性質を反映しており、証明の鍵となる技術的要素です。

D. 他対称性クラスへの拡張 (Conjectures A, B, C)

$\beta=1$ と $\beta=4$ については、厳密な証明は行えなかったものの、以下の拡張を提唱し、数値的に強く支持しました。

• 収束の差異: $\beta=4$（シンプレクティック）の場合、収束が $O(L^{-1})$ で支配され、$\beta=2$ や $\beta=1$ の $O(L^{-2} \log L)$ よりも遅いことが示唆されました。
• 総和則の一般化: $\beta$ 依存の定数を含む総和則を提案し、数値誤差が $10^{-5} \sim 10^{-6}$ 程度で一致することを確認しました。

4. 数値的検証 (Numerical Analysis)

• 図 1 と表 1: 数値計算された $var_\beta[N(L)] - var_\beta[\lambda_L]$ が、$L$ が増大するにつれて $1/6$ に収束することを示しました。
  • $\beta=2$ では、理論的な補正項（$O(L^{-2})$）を考慮することで、$L=100$ でも誤差が $10^{-6}$ 以下になることが確認されました。
  • $\beta=4$ では、$1/L$ の項を補正項として加えることで、理論と数値の一致が大幅に改善されました。
• 図 2: 理論式を差し引いた残差（residual）を対数グラフで示し、$\beta=2$ で傾き $-4$（$O(L^{-4})$の精度）、$\beta=1,4$で傾き$-2$ であることを確認し、理論的な収束速度を裏付けました。
• 図 4: 提案された総和則の数値検証を行い、理論値との誤差が極めて小さいことを示しました。

5. 意義 (Significance)

1. 長年の未解決問題の解決: 約半世紀前に提案された「1/6 公式」が、$\beta=2$ において漸近的に厳密であることを初めて数学的に証明しました。これにより、ランダム行列理論における「通常の統計量」と「順序付き統計量」の間の驚くべき双対性が確立されました。
2. 新しい数学的道具の創出: レベル間隔の自己共分散に関する新しい総和則（Proposition 2.3）を導出しました。これは、スペクトル剛性の理解を深めるだけでなく、将来のランダム行列理論の研究における強力なツールとなります。
3. 対称性クラス間の深い洞察: 異なる対称性クラス（$\beta=1, 2, 4$）において、同じ普遍性（$1/6$）が現れる一方で、その収束の仕方が対称性に依存して大きく異なることを明らかにしました。特に、$\beta=4$ における $1/L$ 項の支配的な役割は、直交・ユニタリー・シンプレクティックの分類の重要性を再確認させます。
4. 理論と数値の融合: 高度な解析的技術（Painlevé 超越関数、漸近展開）と、現代の高精度数値計算（Fredholm 行列式の直接計算）を融合させることで、確実な結論を導き出しました。

総じて、本論文はランダム行列理論の基礎的な構造に関する重要な進展をもたらすとともに、量子カオス系におけるスペクトル揺らぎの普遍性をより深く理解するための新たな枠組みを提供しています。