技术摘要：高温度下一维气体与三对角随机矩阵边缘处的巨量偏差

1. 问题设定

本文研究了一维受限粒子系统（由 $N$ 个粒子组成，具有两体排斥相互作用）中最大粒子 $x_{\max} = \max_{1 \le i \le N} x_i$ 的巨量偏差（Large Deviations, LD）行为。该系统由 Gibbs 概率测度控制：
$$dP_N(x) = \frac{1}{Z_N} \prod_{i<j} e^{-2\alpha \frac{1}{N} g(x_i - x_j)} \prod_{i=1}^N e^{-V(x_i)} dx_1 \dots dx_N$$
其中相互作用核 $g$ 或者是对数形式（$g(x) = -\log|x|$），或者是 Riesz 形式（$g(x) = |x|^{-s}$，其中 $0 < s < 1$）。

本研究聚焦于高温度机制，其定义为逆温度的缩放方式 $\beta_N = 2\alpha/N$，其中 $\alpha > 0$ 为常数。在此机制下，经验测度收敛于一个支撑在整个实数轴上的平衡测度 $\mu_{eq}$（这与固定 $\beta$ 机制下的紧支撑不同）。因此，最大粒子的典型尺度随之增长，满足 $x_{\max} \sim (\theta^{-1} \log N)^{1/d}$，其中 $V(x) \sim \theta |x|^d$。

主要目标是量化当 $N \to \infty$ 时，$x_{\max}$ 偏离这一典型行为的概率。具体而言，作者试图建立关于缩放变量 $\hat{x}_{\max} = x_{\max} / (\theta^{-1} \log N)^{1/d}$ 的大偏差原理（LDP）和中偏差（moderate deviation）估计。

此外，本文还分析了具有高斯尾部的独立条目的对称三对角随机矩阵。这一分析受到对数气体（具有二次势能）与三对角矩阵特征值之间联系（Dumitriu-Edelman 表示法）的启发，使得作者能够通过矩阵条目来解释大偏差事件。

2. 研究方法

2.1. 气体的巨量偏差分析

气体模型（定理 1.2 和 1.3）的证明策略依赖于结合上界和下界技术的组合方法：

• 上界（右偏差）： 对于 $x_{\max}$ 大于典型值（$x > 1$）的偏差情况，作者利用了先前关于局部统计学研究中得到的关于第一个粒子的 Wegner 估计（边际界限）。通过应用联合界限（union bound）和可交换性，他们限制了任何粒子超过某一阈值的概率。
• 上界（左偏差）： 对于 $x_{\max}$ 小于典型值（$x < 1$）的偏差情况，策略涉及将相互作用系统与服从平衡测度 $\mu_{eq}^{\otimes N}$ 的独立粒子系统进行比较。通过利用能量估计和经验测度的正则化，作者建立了密度 $p_N(x)$ 的逐点界限：
  $$p_N(x) \le e^{R_N} \prod_{i=1}^N \rho_{eq}(x_i)$$
  其中 $R_N$ 是一个相对于大偏差指数规模可以忽略不计的余项。这把问题简化为估计独立粒子的概率，而后者更易处理。
• 下界： 下界是通过将构型空间限制在“恰好有一个粒子发生显著偏差，而其余 $N-1$ 个粒子保持在典型支撑范围内”的事件上来建立的。此处，局部统计学在边缘处收敛到非均匀泊松点过程（已在 [Lam21] 中建立）这一事实至关重要，它允许作者限制单个粒子向下偏差的概率。
• 中偏差： 本文将这些结果扩展到了中偏差机制，即偏差尺度小于大偏差尺度但大于典型涨落（Gumbel 机制）的情况。

2.2. 矩阵解释与截断

对于三对角矩阵模型（定理 1.10），作者采用了类似于稀疏矩阵和重尾矩阵处理技术的截断程序：

• 截断： 矩阵 $T$ 被分解为一个截断矩阵 $T^\varepsilon$（仅包含大于 $\varepsilon \sqrt{2 \log N}$ 的条目）和一个余项 $S^\varepsilon$。
• 指数等价性： 文中证明了 $T$ 和 $T^\varepsilon$ 的前几个特征值是指数等价的；即两者差异超过微小量 $\delta$ 的概率呈超指数级衰减。
• 分块对角化： 由于高斯尾部的假设，截断矩阵 $T^\varepsilon$ 是稀疏的。在高概率下，剩余的非对角线条目很少，导致矩阵分解为有限大小（与 $N$ 无关）的分块对角结构。
• 范数界限： 一个有限块的特征值由其欧几里得范数界定。由于条目具有高斯尾部，此类条目组成的有限维向量的范数同样表现出高斯尾部行为。这使得推导 LD 率函数成为可能。

3. 核心贡献与结果

3.1. 对数气体的巨量偏差原理

定理 1.2 建立了对缩放后的最大粒子 $\hat{x}_{\max}$ 在对数气体情形下（$g = -\log$）的完整 LDP。该序列满足一个速度为 $\log N$ 的 LDP，其良好的率函数（good rate function）为：
$$I_d(x) = \begin{cases} x^d - 1 & \text{若 } x \ge 1 \\ +\infty & \text{若 } x < 1 \end{cases}$$
这一结果意味着，在高温度机制下，相互作用对数气体的率函数与独立同分布（iid）粒子的率函数完全一致。在这种机制下，相互作用引入的相关性并不会影响最大粒子的巨量偏差代价。

3.2. Riesz 气体的估计

定理 1.3 提供了 Riesz 气体（$g = |x|^{-s}$）的 LD 估计。虽然并未证明对所有 $x < 1$ 的完整 LDP，但作者建立了：

• 对于 $x > 1$ 的上界：$\limsup \frac{1}{\log N} \log P(\hat{x}_{\max} > x) \le -I_d(x)$。
• 对于 $x > 1$ 以及特定 $x < 1$ 区域的下界。
• 率函数同样为 $I_d(x)$，这表明其具有与对数情形相同的普适性，尽管由于相互作用范围的存在，左尾（$x < 1$）的证明更为精细。

3.3. 精细界限与中偏差

• 命题 1.5： 为左偏差（$x < 1$）提供了一个精细的上界，表明最大粒子显著小于典型值的概率比任何 $N$ 的幂次衰减得更快（具体而言，对数概率的标度为 $\log \log N$）。这表明左偏差需要一个中观数量（mesoscopic number）的粒子发生位移，这使得它们比右偏差要罕见得多。
• 命题 1.7： 建立了偏差阶数为 $(\log N)^{-\gamma}$ 的中偏差估计。作者展示了此类偏差的概率以 $\exp(-x^d (\log N)^{1-\gamma-d^{-1}})$ 的速度衰减。

3.4. 三对角矩阵与“少数条目”机制

定理 1.10 建立了具有统一高斯尾部独立条目的对称三对角矩阵的前特征值的 LDP。其率函数为 $I_2(x)$（对应于势能 $V(x) \sim x^2$ 中的 $d=2$）。

• 机制： 论文证明了前特征值的巨量偏差是由极少数条目取得异常大值所驱动的。
• 恢复对数气体： 通过将矩阵条目特化为 Dumitriu-Edelman 模型（其中对角线条目为高斯分布，非对角线条目遵循 $\chi$ 分布），作者恢复了对数气体的 LDP（定理 1.2），从而为气体结果提供了矩阵论层面的解释。

4. 意义与主张

本文声称将随机矩阵理论和统计力学中的巨量偏差理解扩展到了高温度机制（$\beta_N \to 0$）领域。

• 率函数的普适性： 一个核心主张是，在高温度极限下，对数和 Riesz 气体中最大粒子的巨量偏差率函数与 iid 粒子的率函数一致。这与固定 $\beta > 0$ 机制形成对比，在后者中，相互作用会显著改变率函数（例如，在经典的 $\beta$-系综中，率函数涉及不同的能量项）。
• 稀有事件的本质： 本工作阐明了稀有事件的机制。对于右偏差（大的 $x_{\max}$），该事件由单个粒子脱离主体（bulk）驱动；对于左偏差（小的 $x_{\max}$），该事件需要中观数量的粒子发生集体位移，这使得其被指数级抑制。
• 矩阵-气体联系： 本文通过展示特定三对角模型的顶端特征值的 LD 行为完全由单个矩阵条目的尾部行为决定，而非复杂的谱相关性，从而架起了相互作用粒子系统与随机矩阵理论之间的桥梁。这支持了以下直觉：在高温度（弱相关）极限下，系统在局部表现得像是一组独立的变量。

作者将他们的结果定位为对固定 $\beta$ 系综（如 [BADG01], [Pak20]）以及高温度经验测度收敛研究（如 [GZ19]）的延续，填补了关于 $\beta_N \sim 1/N$ 机制下边缘统计学和巨量偏差研究的空白。