Central Limit Theorem for tensor products of free variables

이 논문은 자유 변수들의 텐서 곱에 대한 중심 극한 정리를 확립하며, 중심화된 변수의 경우 극한 분포가 반원 법칙(semi-circle law)을 따르고 비중심화된 변수의 경우 두 반원 법칙의 고전적 합성(classical convolution)과 반원 법칙 사이의 자유 보간(free interpolation)을 따른다는 것을 입증한다.

핵심

핵심 요약: 새로운 종류의 "평균"

당신이 군중의 행동을 예측하려는 통계학자라고 상상해 보세요. 고전적인 세계(동전 던지기와 같은 경우)에서는, 동전을 충분히 많이 던지고 그 결과들을 모두 더하면, 그 패턴은 항상 익숙한 "종 모양 곡선"(가우시안 분포)으로 수렴합니다. 이것이 그 유명한 **중심한계정리(Central Limit Theorem)**입니다.

자유 확률론(Free Probability)(양자 역학 및 랜덤 행렬을 다루는 수학의 한 분야)의 세계에는 이와 유사한 규칙이 있습니다. 만약 당신이 여러 개의 "자유로운(free)" (양자적으로 독립적인) 변수들을 가져와서 더한다면, 그것들은 종 모양 곡선이 아니라 반원(semi-circle) 형태를 띠게 됩니다. 이것이 "자유 중심한계정리(Free Central Limit Theorem)"입니다.

문제 제기:
이 논문은 까다로운 질문을 던집니다. 만약 우리가 이 변수들을 단순히 더하는 것이 아니라, "텐서 곱(tensor product)"이라고 불리는 특정한 방식으로 뒤틀린 방식으로 곱한다면 어떤 일이 벌어질까요?

변수 $a_k$를 한 명의 사람이라고 생각해 봅시다.

• 더하기: 사람들을 일렬로 세우고 전체 키를 합산하는 것.
• 텐서 곱 ($a_k \otimes a_k$): 그 사람을 완벽하게 복제하여, 두 사람이 나란히 서서 손을 잡게 만드는 것. 이제 당신은 "두 명의 사람"으로 이루어진 하나의 단위를 갖게 됩니다.

저자들은 알고 싶었습니다. 만약 이러한 "두 명의 사람" 단위를 많이 가져와서 정규화(normalize)한 뒤 더한다면, 최종적인 군중의 모습은 어떤 모양이 될까요?

발견: "평균"에 달려 있다

저자들은 그 답이 원래의 사람들($a_k$)에게 "중심(center)"이 있는지 없는지에 따라 전적으로 달라진다는 것을 발견했습니다.

시나리오 A: 중심이 있는 경우 (The "Zero-Mean" Crowd)

원래의 변수들이 "중심화(centered)"되어 있다고, 즉 평균값이 0이라고 가정해 봅시다. 이들은 중간 지점을 중심으로 완벽하게 균형을 이루고 있습니다.

• 결과: 이들의 "두 명의 사람" 복제본들을 결합하면, 최종 군중은 여전히 완벽한 반원 형태를 띱니다.
• 비유: 이는 모든 사람이 정확히 0미터 지점에 서 있는 그룹을 가져와서, 그들을 복제하고 더하는 것과 같습니다. "복제" 과정의 혼란이 어떻게든 상쇄되어, 원래의 사람들을 그냥 더했을 때 얻었을 것과 같은 매끄러운 반원 모양의 언덕을 얻게 됩니다.

시나리오 B: 중심이 없는 경우 (The "Biased" Crowd)

이제 원래의 변수들이 중심화되어 있지 않다고 가정해 봅시다. 이들은 편향(bias)을 가지고 있습니다. 즉, 평균값이 0이 아닌 어떤 숫자 $\lambda$입니다.

• 결과: 최종 군중은 반원 형태를 띠지 않습니다. 대신, 기묘한 하이브리드 형태를 만듭니다.
• 비유: "두 명의 사람" 단위가 이제 약간 불균형하다고 상상해 보세요. 왜냐하면 원래의 사람들이 한쪽으로 기울어져 있었기 때문입니다. 이들을 모두 더하면, 결과는 두 가지 다른 세계의 **혼합(mixture)**이 됩니다:
  1. 양자 세계 (반원).
  2. 고전적 세계 (두 개의 반원을 전통적인 방식으로 더했을 때 얻는 모양).

최종 형태는 이 두 세계 사이의 "자유 보간(free interpolation)"입니다. 정확한 모양은 자연적인 변동(분산)에 비해 편향($\lambda$)이 얼마나 강한지에 따라 달라집니다. 편향이 강하면 모양은 고전적 혼합에 더 가깝게 보이고, 편향이 약하면 양자 반원에 더 가깝게 보입니다.

왜 어려운가? (The "Entangled" Puzzle)

이 논문은 이것이 "이중 레이어(double layer)"의 독립성 때문에 어렵다는 점을 설명합니다.

1. 자유성(Freeness): 서로 다른 사람들($a_1, a_2, a_3$)은 서로 "자유롭습니다" (양자적 독립성).
2. 고전적 독립성(Classical Independence): "두 명의 사람" 단위($a_k \otimes a_k$) 내부에서, 두 다리(leg)는 실제로 고전적인 의미에서 독립적입니다.

이는 마치 두 가지 다른 방식으로 동시에 접착된 퍼즐 조각을 풀려고 하는 것과 같습니다. 저자들은 패턴을 보기 위해 "분할(partitions)"과 "교차 다이어그램(crossing diagrams)"이라 불리는 새로운 방식으로 이 조각들을 세고 정리해야 했습니다.

"함정": 그들은 자유롭지 않다

하나의 매우 놀라운 부정적 결과(결론 1.2)는 다음과 같습니다.
보통 자유 확률론에서, 만약 시작하는 변수들이 "자유롭다면" 그 합은 예측 가능한 방식으로 행동합니다. 하지만 저자들은 만약 우리가 자유로운 변수들을 가져와서 이 "두 명의 사람" 텐서 단위($a_k \otimes a_k$)로 만든다면, 그것들은 더 이상 서로 자유롭지 않다는 것을 증명했습니다.

• 비유: 당신이 모르는 사람들(자유로운 상태)의 집단을 상상해 보세요. 만약 각 낯선 이에게 자신의 복제본과 손을 잡도록 강요한다면, 그리고 그 "복제된 쌍"들 전체를 새로운 낯선 이들의 집단으로 취급하려고 한다면, 그것은 작동하지 않습니다. 복제하고 짝을 짓는 행위 자체가 쌍들 사이에 숨겨진 연결을 만들어냅니다. 그들은 자유 확률론의 규칙을 깨뜨리는 방식으로 "얽혀(entangled)" 있습니다.

주요 정리 요약

이 논문은 새로운 규칙(정리 1.1)을 확립합니다:

• 만약 당신이 자유로운 변수들을 가져와서 "두 명의 사람" 텐서를 만들고, 그것들을 합친다면:
  • 중심화되어 있다면 (평균 = 0): **반원(Semi-Circle)**을 얻습니다.
  • 편향되어 있다면 (평균 $\neq$ 0): 반원과 두 반원의 고전적 합성(convolution)이 혼합된 하이브리드 형태를 얻습니다.

이 하이브리드 형태는 이러한 특정 유형의 양자 랜덤 변수들이 규모가 커질 때 어떻게 행동하는지에 대한 이해의 공백을 메워주는, 이들의 "극한 법칙(limiting law)"입니다.

기술 요약

기술 요약: 자유 변수의 텐서 곱에 대한 중심한계정리

문제 정의
본 논문은 자유 무작위 변수(free random variables)의 텐서 곱의 정규화된 합의 점근적 거동을 다룬다. 구체적으로, 평균이 $\lambda$이고 분산이 $\sigma^2$인 비가환 확률 공간 $(A, \tau)$ 내의 일련의 자유, 자기 수반(self-adjoint), 동일 분포 무작위 변수 $(a_k)_{k \in \mathbb{N}}$가 주어졌을 때, 저자들은 다음 수열의 분포 수렴을 조사한다:
$$S_n := \frac{1}{\delta\sqrt{n}} \sum_{k=1}^n (a_k \otimes a_k - \lambda^2)$$
여기서 곱 공간 $(A \otimes A, \tau \otimes \tau)$이며, $\delta^2 = \text{var}(a \otimes a) = \sigma^2(\sigma^2 + 2\lambda^2)$이다.

고전적인 자유 중심한계정리(FCLT)가 자유 변수들의 정규화된 합이 반원 분포(semi-circular distribution)로 수렴함을 입증하는 반면, 텐서 곱 구조는 복잡한 의존성을 도입한다: 변수 $a_k \otimes a_k$들은 비록 근간이 되는 $a_k$들은 자유롭더라도 서로 자유롭지 않다. 이는 텐서 곱의 두 "다리(legs)" 사이에는 고전적 독립성이 존재하고, 서로 다른 $k$ 사이에는 자유성(freeness)이 존재하여 이들이 혼합되기 때문이다. 본 논문은 $S_n$의 극한 법칙을 식별하고, 일반적인(중심이 잡히지 않은) 경우에 이것이 여전히 반원 분포를 따르는지 아니면 편차를 보이는지를 결정하는 것을 목표로 한다.

방법론
저자들은 자유 확률 이론에 뿌리를 둔 조합론적 접근법, 특히 모멘트-컴큘런트 공식(moment-cumulant formula)과 분할(partition) 분석을 활용한다.

1. 모멘트 분석: 증명은 정규화된 합의 모멘트 $\tau'(S_n^p)$를 계산하는 방식으로 진행된다. 자유 확률에서의 극한 정리에서 사용하는 표준 기법을 사용하여, 저자들은 분할 $\pi \in P(p)$에 대한 합으로 모멘트를 전개한다.
2. 분할 분해: 쌍 분할(pair partitions) $\pi \in P_2(p)$를 비가교(noncrossing) 폐쇄 $\hat{\pi}$와 $\hat{\pi}$의 블록들에 연관된 연결된 쌍 분할 $\pi_T$의 집합으로 분해하는 전단사 함수 $\Phi$를 사용하여 분할을 분해한다.
3. 블록의 재귀적 제거: 연결된 분할들의 기여도를 평가하기 위해, 저자들은 블록을 하나씩 제거하는 반복적인 과정을 정의한다. 이 과정에서 저자들은 "색칠(coloring)" 스킴($w \in \{0, 1\}$)과 이진 벡터 $\theta \in \{0, 1\}^4$를 도입하여, 블록의 제거가 남은 변수들의 결합 분포에 미치는 영향을 추적한다. 여기에는 텐서 다리가 자유로운 복사본($\tilde{a}$)으로 대체되는 경우와 원래의 변수($a$)로 유지되는 경우를 구분하는 과정이 포함된다.
4. 이분 그래프 분석: 저자들은 분할의 교차 그래프(intersection graph)를 분석한다. 그들은 이 그래프가 이분(bipartite)인지 여부에 따라 기여도가 결정됨을 입상한다. 만약 교차 그래프가 홀수 사이클을 포함하면 기여도는 소멸한다. 만약 그래프가 이분이고 연결되어 있다면, 기여도는 0이 아니며 파라미터 $q = \frac{2\lambda^2}{\sigma^2 + 2\lambda^2}$에 의존한다.

주요 결과
주요 결과인 정리 1.1은 $S_n$이 두 특정 법칙 사이의 자유 보간(free interpolation)으로 정의되는 측도 $\mu_q$로 분포 수렴함을 입증한다:
$$\mu_q := \sqrt{q} \left( \frac{1}{\sqrt{2}}\mu_{sc} + \frac{1}{\sqrt{2}}\mu_{sc} \right) \boxplus \sqrt{1-q} \, \mu_{sc}$$
여기서:

• $\mu_{sc}$는 표준 반원 분포이다.
• $\boxplus$는 자유 합성(free convolution)을 나타낸다.
• $+$는 고전적 합성(classical convolution)을 나타낸다.
• $q = \frac{2\lambda^2}{\sigma^2 + 2\lambda^2} \in [0, 1]$이다.

극한 법칙 $\mu_q$는 다음과 같은 자유 컴큘런트(free cumulants)로 특징지어진다:

• 홀수 자유 컴큘런트는 0이다.
• 두 번째 자유 컴큘런트는 1이다.
• $n \ge 4$인 짝수에 대해, $n$번째 자유 컴큘런트는 $\kappa_n^{free}(\mu_q) = 2 \left(\frac{q}{2}\right)^{n/2} |P_{bicon}^2(n)|$이다. 여기서 $|P_{bicon}^2(n)|$은 $n$의 이분 연결 쌍 분할의 개수이다.

특수 사례:

• 중심이 잡힌 경우 ($\lambda = 0$): 이 경우 $q=0$이다. 극한은 $\mu_{sc}$, 즉 표준 반원 분포으로 축소된다. 이는 변수들이 중심을 잡혀 있으면 텐서 곱이 표준적인 자유 합처럼 행동한다는 휴리스틱을 확인시켜 준다.
• 중심이 잡히지 않은 경우 ($\lambda \neq 0$): 이 경우 $q > 0$이다. 극한은 비자명한 혼합이다.
  • $q=1$인 경우 (이는 $\sigma=0$, 즉 결정론적 변수를 의미함), 극한은 두 반원 분포(스케일링된)의 고전적 합성이며, 이는 두 독립적인 반원 변수의 합을 나타낸다.
  • $0 < q < 1$인 경우, 극한은 반원 분포와 두 반원 분포의 고전적 합성 사이의 "자유 보간"을 나타낸다.

자유성에 관한 따름정리
주 정리의 직접적인 결과는 따름정리 1.2이다: 만약 변수 $a_k$가 비중심적($\lambda \neq 0$)이라면, 텐서 곱 $\{a_k \otimes a_k\}$는 자유롭지 않다. 만약 그것들이 자유롭다면, 그 정규화된 합은 반원 분포로 수렴해야 하는데, 이는 극한이 $q > 0$인 $\mu_q$라는 결과와 모순된다.

의의 및 주장
본 논문은 자유 변수의 텐서 곱에 대한 수렴과 극한의 명시적 식별 문제를 해결했다고 주장하며, 이는 양자 정보 이론(특히 무작위 양자 채널과 재배열된 양자 상태의 스펙트럼)의 모델로부터 동기 부여를 받았다.

저자들은 난점이 고전적 독립성(텐서 다리 내부)과 자유성(텐서 복사본들 사이)의 상호작용에 있음을 강조한다. 그들은 중심이 잡힌 반원 변수에 대해서는 유사한 계산이 존재하지만, 일반적인 경우에는 새로운 의존 구조에 대한 이해가 필요하다고 언급한다.

본 논문은 개발된 결과와 기술이 분리 가능한 양자 상태(separable quantum states)의 전형적인 점근적 스펙트럼과 재배열 연산(realignment operation)을 이해하는 데 유용할 수 있음을 완곡하게 시사한다. 이 영역들은 이러한 무작위 행렬 모델이 자연스럽게 등장하는 분야이다. 또한, 이 결과는 텐서 케이스에 대응하는 일반적인 독립성 개념이 단순히 표준적인 자유성으로 환원될 수 없음을 시사한다. 왜냐하면 극한의 거동이 개별 변수들의 자유 합성과는 현저히 다르기 때문이다.