The Ginibre Ensemble Conditioned on an Overcrowding Event

기술 요약: 과밀 현상(Overcrowding Event)이 조건화된 진이브르 앙상블(Ginibre Ensemble)

문제 정의
본 논문은 크기 $N$인 복소 진이브르 앙상블의 통계적 특성을 조사하며, 특히 "과밀 현상(overcrowding)"이라는 희귀 사건에 초점을 맞춘다. 본 연구는 반지름 $R \in (0, 1)$인 원판 $D(0, R)$ 외부에 위치하는 고윳값의 비율이 $c \in (1-R^2, 1]$인 사건, 즉 $\lfloor cN \rfloor$개의 고윳값이 원판 외부에 존재하는 상황을 다룬다. 진이브르 앙상블의 경험적 측도(empirical measure)의 극한 분포는 단위 원판 위의 정규 르베그 측도이지만, $D(0, R)$ 외부에 존재하는 고윳값의 수가 기대치인 $N(1-R^2)$에서 벗어나는 사건은 $N^2$에 대해 지수적으로 작은 확률을 갖는 대편차(large deviation) 사건이다.

"구멍 사건(hole event, $c=1$)"과 "과밀 현상($c < 1$)" 사이에는 결정적인 차이가 존재한다. 구멍 사건에 대해 조건화된 진이브르 앙상블은 결정적 점 프로세스(determinantal point process, DPP)를 형성하는 것으로 알려져 있으나, 본 논문은 $c \in (1-R^2, 1)$인 경우 조건화된 진이브르 앙상블이 **결정적이지 않음(not determinantal)**을 입증한다. 주요 목적은 이 과밀 현상의 확률에 대한 점근적 추정치를 도출하고, $N \to \infty$일 때의 조건부 고윳값 분포를 규명하는 것이다.

방법론
저자는 진이브르 앙상블의 방사 대칭성(radial symmetry)과 [Hou+09]의 결과를 활용한 분해 전략을 사용한다. 핵심적인 방법론적 단계는 다음과 같다:

1. 혼합 표현(Mixture Representation): 원판 $D(0, R)$ 외부에 있는 고윳값의 분포를 인덱스 집합 $J \subseteq \{0, 1, \dots, N-1\}$에 의해 색인되는 결정적 점 프로세스들의 혼합으로 나타낸다. 이 혼합의 가중치는 불완전 감마 함수(incomplete gamma functions) $Q(k, NR^2)$에 의존한다.
2. 카디널리티에 대한 조건화(Conditioning on Cardinality): 정확히 $N_c = \lfloor cN \rfloor$개의 고윳값이 원판 외부에 존재한다는 사건에 대해 조건화를 함으로써, 문제는 인덱스 집합 $J$의 카디널리티가 $N_c$인 특정 혼합 부분 집합을 분석하는 문제로 축소된다.
3. 가중치의 점근적 분석: 인덱스 집합을 정수 벡터 $n$으로 매핑하는 전단사 함수를 도입하고, 이러한 벡터들과 연관된 확률 가중치 $P_n$을 분석한다. 불완전 감마 함수의 비율에 대한 추정치를 사용하여, 저자는 확률 질량이 성분이 $\log N$ 차수인 작은 합을 갖는 벡터 $n$에 집중되어 있음을 증명한다.
4. 분배 함수 확장(Partition Function Expansion): 과밀 현상의 확률은 정수 분할(integer partitions)과 관련된 분배 함수 $p(l)$ 및 불완전 감마 함수의 비율을 포함하는 합으로 표현된다. 이를 통해 전체 확률의 점근적 전개를 가능하게 한다.
5. 커널 수렴(Kernel Convergence): 조건화된 혼합 프로세스의 커널을 알려진 커널(표준 진이브르 및 하드 월(hard wall) 근처의 특정 DPP)과 비교하여 조건부 분포를 분석한다. 저자는 테스트 함수의 기댓값 차이를 커널의 $L^\infty$ 차이에 기반하여 제한하기 위해 보조정리(Lemma) 4.1을 활용한다.

주요 기여 및 결과

1. 점근적 확률 추정치 (정리 1.1)
본 논문은 정확히 $\lfloor cN \rfloor$개의 고윳값이 $|\lambda| > R$을 만족할 확률에 대한 명시적인 점근 공식(asymptotic formula)을 도출한다. 확률은 다음과 같이 주어진다:
$$P(\#\{\lambda : |\lambda| > R\} = N_c) = P_{G_{N_c}}(\forall \lambda: |\lambda| > R) \cdot \sum_{l=0}^{\infty} p(l) \left( \frac{R^2}{1-c} \right)^{-l} \left( 1 + O\left(\frac{\log^3 N}{N}\right) \right)$$
여기서 $p(l)$은 분할 함수이다. "구멍 확률(hole probability)" $P_{G_{N_c}}$에 대한 알려진 점근식을 대입함으로써, 저자는 $\exp(C_1 N^2 + C_2 N \log N + \dots)$ 형태의 완전한 전개를 제공한다.

2. 세 가지 공간 영역에서의 조건부 분포 (정리 1.2)
본 논문은 세 가지 영역에서 고윳값의 극한 조건부 분포를 규명한다:

• 내부 영역 ($|\lambda| < R$): 조건부 분포는 $\sqrt{\frac{N-N_c}{N}}$ 인수로 스케일링된 크기 $N - N_c$인 진이브르 앙상블처럼 점근적으로 행동한다.
• 외부 영역 ($|\lambda| > R + \epsilon$): 경계에서 멀리 떨어진 곳에서, 조건부 분포는 크기 $N$인 표준 진이브르 앙상블처럼 점근적으로 행동한다.
• 경계층 ($|\lambda| \approx R$): 경계 $R$ 근처의 좁은 영역에서, 인자 $N \frac{R^2 - 1 + c}{R}$에 의해 재스케일링된 후, 이 프로세스는 우반평면(right half-plane) 상의 특정 결정적 점 프로세스로 수렴한다. 극한 커널은 다음과 같다:
  $$K_X(z, w) = \frac{1 - (z + w + 1)e^{-z-w}}{\pi(z + w)^2}$$
  이 커널은 [Seo22]에서 확인된 바와 같이, 벌크(bulk) 내의 하드 월(hard wall) 제약 조건 근처에서의 진이브르 앙상블의 극한에 해당한다.

의의 및 주장
본 논문은 결정적 구조를 상실하는 비자명한 대편차 제약(과밀 현상) 하에서의 진이브르 앙상블의 거동을 해결했다고 주장한다.

• 보편성(Universality): 결과는 전역적인 조건화에도 불구하고, 벌크(내부 및 먼 외부)에서의 국소적 통계량은 표준 진이브르 거동으로 회귀하는 반면, 경계층은 하드 월 제약과 관련된 보편성 클래스를 나타낸다는 것을 시사한다.
• 일반화(Generalization): 저자는 자신의 방법론이 더 일반적인 방사 대칭 앙상블(예: 가중 함수 $|\lambda|^{2\alpha} e^{-N|\lambda|^{2b}}$를 가진 경우) 및 기타 방사 대칭 집합(원판의 합집합, 환형 영역 등)으로 확장될 수 있음을 언급한다. 다만, 불완전 감마 함수에 대한 기술적 추정치의 정교화가 필요하다.
• 한계점(Limitations): 본 논문은 접근 방식이 방사 대칭성에 의존함을 명시적으로 밝힌다. 비방사 대칭 집합으로 이러한 결과를 확장하는 것은 직교 다항식이 더 이상 단항식(monomials)이 아니게 되므로, 다른 도구가 필요한 미해결 과제로 식별되었다.

이 연구는 구멍 확률(예: [Cha24], [AR17]) 및 진이브르 앙상블의 대편차 원리에 관한 기존의 발견들을 구축하고 일반화하며, 과밀 제약에 대한 시스템의 응답을 포괄적으로 설명한다.