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

技術的要約：二次形式集中性を有する標本共分散行列に対する異方的な局所法則

1. 問題設定

本論文は、次元 $n$ とサンプルサイズ $N$ が同程度である比例領域（$n \asymp N$）における標本共分散行列 $K = N^{-1}XX^*$ のスペクトル解析を扱う。列ベクトル $x_1, \dots, x_N \in \mathbb{R}^n$ は、独立で中心化されたランダムベクトルであり、共通の共分散行列 $\Sigma = \mathbb{E}[x_i x_i^*]$ を持つ。決定的なのは、著者らは列が独立な座標を持つ（「分離可能」な）ケースを仮定しておらず、代わりに座標間に強い非線形な依存関係が存在し得るとしている点である。

主な目的は、**異方的な局所法則（anisotropic local law）**を確立することである。これは、複素スペクトルパラメータ $z = E + i\eta$ に対して、最適なスケール $\eta \ge N^{-1+\tau}$ まで、レゾルベント $R(z) = (K - z)^{-1}$ の精密な近似を与えるものである。具体的には、決定論的な単位ベクトル $u, v$ に対して以下が成立することを目指している：
$$|u^* R(z) v - u^* \Pi(z) v| \prec \Psi(z)$$
ここで、$\Pi(z)$ は変形されたマルチェンコ・パストゥール則から導かれる決定論的な等価物であり、$\Psi(z)$ は最適な誤差率である。

先行研究である Fan, Ma, Paquette, and Wang (2026) [FMPW26] は、二次形式集中性（仮定2）の下でこの法則を確立したが、高次累積量テンソルの減衰に関する追加の制限的な仮定（仮定3）を必要としていた。本研究を動機付ける中心的な問いは、「二次形式集中性の仮定のみで異方的な局所法則を導くのに十分か、すなわち、高次累積量に関する構造的仮定を排除できるか」という点である。

2. 手法

証明には、Cipolloni, Erdős, and Schröder [CES24] によって導入された動的な手法である**ジグザグ戦略（zig-zag strategy）**を、依存した座標を持つ標本共分散行列の設定に適応させて用いる。この戦略では、関連するダイソン方程式の特性に沿ってスペクトルパラメータを動かしながら、同時に確率的フローに従ってランダム行列を進化させる。

主要な技術的構成要素：

• ブロック線形化（Block Linearization）： $K$ を直接扱う代わりに、データ行列 $X$ を含むエルミート・ブロック行列 $L(X; Z, \beta)$ を用いて問題を線形化する。これにより、行列ダイソン方程式（MDE）の枠組みを利用することが可能になる。決定論的な等価物は、MDE のブロック対角解 $M$ として構築される。
• 共分散保存型オルンシュタイン＝ウーレンベック（OU）フロー： 行列の列は、OU フロー $dX_t = -\frac{1}{2}X_t dt + \Sigma^{1/2} dB_t$ に従って進化する。このフローは、共分散構造 $\Sigma$ を保持しながら、ガウス的な平滑化を導入する。
• 「ジグ（Zig）」ステップ（前方比較）： レゾルベントは OU フローに従って進化し、ソース・パラメータ $(Z, \beta)$ は MDE から導かれる特定の特性曲線に沿って移動する。ソースの動きは、主要なオーダーの Itô 補正を打ち消すように選択される。誤差は、Ward 恒等式と [FMPW26] から適応された静的なゆらぎ平均化の手法を用いて制御される。
• 「ザグ（Zag）」ステップ（後方比較）： これが本論文の新規な貢献である。ソースを固定し、平滑化された状態から元のアンサンブルへとフローを逆転させる。個々の行列成分の累積量展開に依存する従来の証明とは異なり、このステップでは各列を一つの塊として扱う。
  • 著者らは、変動モーメント $\mathbb{E}|u^*(R - M)u|^{2L}$ を OU フローに沿って微分する。
  • **シューア補集合公式（Schur complement formula）**を用いることで、特定の列 $x_i$ に対するレゾルベントの依存性が、線形形式 $x_i^* b_i$ と二次形式 $x_i^* A_i x_i$ の有理関数として表現されることを利用する。
  • OU フローの生成子は、これらの線形および二次形式からなる観測量のクラスを保存する単一列の生成子の和へと分解される。著者らは、これらの形式の制御が二次形式集中性の仮定（仮定2）のみに依存することを示す。ここでは、ベクトルを座標へと展開したり、高次累積量に関する仮定を置いたりする必要はない。主要な打ち消しは、これらの形式の中心化（$\mathbb{E}[x_i^* b_i] = 0$ および $\mathbb{E}[x_i^* A_i x_i - \text{Tr}(\Sigma A_i)] = 0$）から生じる。

3. 主要な貢献と結果

主定理（Theorem 2.4 / Theorem 1.1）：
仮定1（$\Sigma$ の正則性と比例領域）および仮定2（二次形式集中性と多項式ノルム・モーメント）の下で、最適な異方的な局所法則が成立する：
$$|u^* (R(z) - \Pi(z)) v| \prec \sqrt{\frac{\text{Im } m_0(z)}{N\eta}} + \frac{1}{N\eta}$$
これは、原点から離れた正則なスペクトル領域内の $z$ に対して一様に成立する。この結果は、完全な線形化されたレゾルベントに適用され、標準的な標本共分散レゾルベント $R(z)$ およびグラム・レゾルベント $\tilde{R}(z)$ に対しても同様の境界を意味する。

累積量仮定の除去：
本論文は、[FMPW26] で必要とされた高次累積量テンソルの仮定（仮定3）を明示的に排除している。これにより、二次形式集中性が異方的な局所法則に対して十分であるかという、同研究で提起された未解決問題に回答している。

応用と例：
著者らは、座標が非線形に依存する広範な非分離モデルに対して、自らの仮定が成立することを確認している。これには以下が含まれる：

• 凸集中（Convex Concentration）： 次元に依存しない対数ソボレフ不等式、または劣多項式定数を持つ凸集中を満たすベクトル。
• 対数凹（Log-Concave）な列： 中心化された対数凹分布（例：凸体上の一様分布）からの独立なサンプル。
• ガウス測度の非線形ティルト（Nonlinear Tilts）： $e^{-\frac{1}{2}x^*\Lambda x - W(x)}$ という形式で、$W$ が有界なヘッセ行列を持つ分布。これは、構造的な疎性を伴わずに座標間の密な結合を許容する。
• 深層ランダム特徴（Deep Random Features）： リプシッツ連続な活性化関数と固定された深さを持つ、 $x = \sigma_L(T_L \dots \sigma_1(T_1 y))$ という形式のモデル。
• 球面 $p$-スピンモデル： 球面上の高温ギブス測度。著者らは、4-スピンモデルにおいては、第4累積量テンソルが無秩序であり [FMPW26] の累積量条件に違反しているが、彼らの新しい枠組みの下では異方的な局所法則が成立することを指摘している。

系：
異方的な局所法則の直接的な帰結として、本論文は、正則なスペクトル部分の固有値において、あらゆる決定論的な方向への固有ベクトルの**非局在化（delocalization）**を確立している。

4. 重要性と主張

本論文は、分離可能性の仮定や高次累積量構造に依存しない、実数の列に対する異方的な局所法則の新しい動的な証明を提供すると主張している。

• 汎用性： 二次形式集中性にのみ依拠することで、本結果は、従来のメソッドが失敗した「無秩序な累積量（disordered-cumulant）」を持つベクトルにも適用可能となる。これは、現代の統計学や機械学習（例：深層ニューラルネットワークやランダム特徴モデル）に見られる複雑で非線形に依存する高次元分布へと、ランダム行列論の範囲を大幅に広げるものである。
• 方法論的革新： ザグ推定における「ホール・カラム（whole-column）」比較ステップは、要素ごとの累積量展開からの重要な技術的脱却を示している。これは、レゾルベントのシューア補集合構造と OU フローの微分を組み合わせることで、ランダムベクトルをその座標へと展開することなく、ゆらぎを制御できることを示している。
• 最適性： 誤差率 $\Psi(z)$ およびスペクトルスケール $\eta \ge N^{-1+\tau}$ は最適であり、分離可能なケースにおける最良の結果（Knowles and Yin [KY17]）と一致している。

著者らは、原点に接近する領域（ハードエッジ）への拡張や、一般的な依存列に対するエッジ普遍性の証明は、さらなる分析を要する未解決の課題であるとして、謙虚な姿勢を保っている。