Averages of traces and ratios of characteristic polynomials of random unitary matrices

技術要約：ランダムなユニタリ行列のトレースの平均および特性多項式の比

問題提起
本論文は、ハール測度に関するランダムなユニタリ行列 $U \in U(N)$ の、べき乗のトレースの積の平均の計算を取り扱う。DiaconisとShahshahaniによる先駆的な研究[16]は、行列サイズ $N$ がトレースの指数に対して十分に大きい場合（具体的には $N \ge \max(\sum j a_j, \sum j b_j)$ の場合）に、これらの平均に対する優雅な解を提供したが、この範囲外では問題は著しく困難になる。既存の文献は、主に大きな $N$ の極限、あるいは特定の制限されたケース（例：2つのトレースに関するDysonの結果、あるいは特定の指数構成に関するRainsの知見）に焦点を当ててきた。著者らは、Diaconis-Shahshahaniの領域を超えて、任意の行列サイズ $N$ に対して有効な、トレース平均の具体的かつ明示的な表現を導出し、負の値をとる条件など、これらの平均の構造的性質を調査することを目的としている。

手法
著者らは、Conrey, Farmer, および Zirnbauer [7] によって定式化され、Conrey, Forrester, および Snaith [8] によって洗練された、ランダムなユニタリ行列の特性多項式の比の平均に関する**比の定理（Ratios Theorem）**を利用している。

1. 生成関数: 著者らは、特性多項式の対数微分 $\Lambda_U(s) = \prod_{j=1}^N (1 - s e^{-i\theta_j})$ によって、トレースの積の平均が生成されることを確立している。具体的には、関係式 $y \Lambda'_U(y)/\Lambda_U(y) = -\sum_{j=1}^\infty y^j \text{Tr}((U^\dagger)^j)$ により、トレース平均を対数微分の冪級数展開の係数へと変換することが可能となる。
2. 比の定理: 著者らは、対数微分の積の平均を与える公式である定理2.1（[10]より）を適用している。この公式は、評価点の集合 $A$ および $B$ の部分集合 $S \subset A$ および $T \subset B$ に関する和として表され、「スワップ（入れ替え）」項（$|S| = |T| = n$）によって分類される。
   • ゼロ・スワップ項 ($n=0$): Diaconis-Shahshahaniの領域に対応する。
   • ワン・スワップ項 ($n=1$): 指数の和がおよそ $N$ から $2N$ の範囲にあるときに寄与する。
   • ツー・スワップ項 ($n=2$): 指数の和が $2N$ に近づくときに寄与する。
3. 級数展開: 著者らは、変数 $A_i = e^{-a_i}$ および $B_j = e^{-b_j}$ を用いた幾何級数への展開を行う。特定のモノミアル（単項式）の係数を抽出することで、目的とするトレース冪に対応する組合せ論的な公式を導出している。

主要な貢献と結果

1. 一般トレースモーメント公式 (Theorem 7.1):
   本論文は、指数の和が $\sum \alpha_k = \sum \beta_l < 2N + 2$ を満たす限り、任意の $N$ に対して有効な、トレースの積 $\int_{U(N)} \prod \text{Tr}((U^\dagger)^{\alpha_k}) \prod \text{Tr}(U^{\beta_l}) dU$ の一般公式を導出している。この結果は、元のDiaconis-Shahshahaniの定理よりも有効範囲を実質的に倍増させている。この公式は以下の要素の和である：

   • ゼロ・スワップ項（Diaconis-Shahshahaniの結果と一致）。
   • 正の部分関数 $(x)_+ = \max(0, x)$ を用いて指数と $N$ の和で表される、添字の部分集合に関するワン・スワップ項。
   • 指数の和がそれぞれの閾値未満であれば消滅する、高次の項（ツー・スワップ項など）。

2. 特定のケース:

   • 一つの $U^\dagger$ と $n$ 個の $U$ (Theorem 4.1): 一つの共役トレースと任意の数の非共役トレースの平均について、閉じた形式の表現が導出されている。この結果は、指数と $N$ の和を用いた正の部分項の線形結合である。
   • 二つの $U^\dagger$ と 二つの $U$ (Theorem 6.1): 二つの共役トレースと二つの非共役トレースのケースについて、複雑ではあるが明示的な公式が提供されている。これには、以前はこれほどの一般性を持って扱われていなかったツー・スワップ項の特定と計算が含まれる。この公式は、指数の相対的な大きさおよび $N$ に基づく区分的な線形条件を含む。

3. トレース平均の負の値:
   導出された公式を用いて、著者らはトレース平均が常に非負であるとは限らないことを示している。具体的には、一つの $U^\dagger$ と三つの $U$ のケース（1–3 トレース平均）において、パラメータ空間 $(\beta_1, \beta_2, \beta_3)$ 内で平均が負になる正確な領域を特定している。これは、$1 \le \beta_i \le N-1$ かつ $N+1 \le \sum \beta_i \le 2N-1$ のときに発生する。この発見は、このような平均が（非負である）ガウス変数のモーメントのように振る舞うという直観に異を唱えるものであり、有限 $N$ 効果がもたらす複雑さを浮き彫りにしている。

4. 組合せ論的構造:
   本論文は、「スワップ項」の組合せ論的構造を解明している。著者らは、「ゼロ・スワップ項」が大きな $N$ の極限で見られる独立したガウス的振る舞いに対応し、「ワン・スワップ項」および「ツー・スワップ項」が、指数の和が $N$ および $2N$ に近づくにつれて重要になる補正項を表すことを示している。また、部分集合の和と包含排除原理を用いて、これらの補正を計算するための体系的な方法を提供している。

意義および主張
本論文は、トレース平均に対して「応用において使用可能なほど扱いやすい」かつ「具体的な表現」を提供することを主張している。

• 既知の結果の拡張: Diaconis-Shahshahaniの結果を、これまで困難と考えられていた行列サイズおよび指数の和の範囲、具体的には $2N+2$ までの範囲へと一般化している。
• 構造的洞察: 比の定理を利用することで、ガウス的な振る舞いからより複雑な有限 $N$ の振る舞いへの遷移を説明する構造（スワップ項）を明らかにしている。
• 負の値: トレース平均が負になるパラメータ範囲を特定したことは斬新な発見であり、これらの平均が（Diaconis-Shahshahaniの範囲外では）独立な複素ガウス変数のモーメントを厳密に模倣するわけではないことを示している。
• 方法論的有用性: 本研究は、比の定理が大きな $N$ の極限を超えてトレース平均を探索するための強力なツールであることを示唆しており、Weingartenの計算や累積量展開などの手法が組合せ論的に困難になる場合に、明示的な公式への道筋を提供するものである。

著者らは、すべての可能なトレース平均の問題を解決したと主張しているわけではなく（指数の和が $2N+2$ 未満であるという制約下では、ゼロ・スワップおよびワン・スワップの寄与を、また四つのトレースについてはツー・スワップの寄与を解いたことを注記している）、それによって、パラメータ空間の重要かつ広範な部分をカバーしている。