Interpolating non-Hermitian universality classes A and AI$^\dagger$: eigenvalue density and transition regime

本文利用 Kac-Rice 形式推导了在非厄米类 A 与 AI$^\dagger$ 之间进行插值的高斯系综的有限尺寸特征值与特征向量分布，揭示了虽然体区与固定参数边缘行为遵循标准定律，但通过对插值参数进行特定的定标，可以发现特征值密度边缘处存在一种新的普适过渡机制。

要点

想象一下，你正在进行一场拥有数千个旋转陀螺的大规模实验。在数学和物理的世界里，这些陀螺由矩阵（数字网格）来表示。通常，科学家们研究两种截然不同的陀螺：

1. 混沌陀螺（A类）： 它们疯狂旋转，没有任何规则。它们代表了“时间反演对称性”被打破的系统（如果你倒着播放电影，它们看起来会完全不同）。
2. 对称陀螺（AI†类）： 它们遵循严格的镜像规则。如果你倒着播放电影，它们看起来会完全一样。

长期以来，科学家们知道这两类陀螺各自的行为，但他们并不知道如果慢慢转动一个旋钮，将一个混沌陀螺变成一个对称陀螺时会发生什么。

这篇论文构建了这个旋钮，并精确描述了当你转动它时所发生的一切。

以下是使用简单类比对他们发现进行的分解：

1. “旋钮”（插值）

作者创建了一个新的数学模型，它就像一个调光开关。

• 设置 0： 你得到的是混沌陀螺（复 Ginibre 矩阵）。
• 设置 1： 你得到的是对称陀螺（复对称矩阵）。
• 中间设置： 你得到的是两者的混合体。

他们想观察这些矩阵中的“数字人群”（特征值）在当你将旋钮从 0 转向 1 的过程中是如何变化的。

2. 中间的“派对”（主体部分）

想象矩阵中的数字是派对上的宾客。

• 发现： 无论你如何设置旋钮（无论陀螺是偏向混沌、偏向对称，还是完美的混合），处于房间中间的宾客总是会排列成一个完美的圆。
• 隐喻： 这就像一个舞池，无论音乐风格如何，中心的人都会形成一个完美的圆环。作者称之为**“圆周律”（Circular Law）**。他们的数学证明了这个环形结构是不可撼动的，即使你改变游戏规则，它依然保持不变。

3. 房间的“边缘”（过渡）

真正的魔力发生在派对的边缘（圆形的外缘）。

• “强”机制： 如果你将旋钮固定在除了最后一点（1）之外的任何数值，边缘的行为看起来都与混沌陀螺完全一样。对称性此时还不会改变边缘的行为。
• “弱”机制（发现）： 作者发现了一个特殊的、狭窄的窗口，就在你即将达到对称设置之前。他们必须将旋钮转到极其接近 1 的位置（具体来说，是随矩阵规模进行缩放），才能观察到一种新的行为。
• 隐喻： 想象你正走向一堵墙。在走过的绝大部分路程中，墙看起来都是砖墙（混沌）。但就在最后一步时，墙突然开始看起来像镜子（对称）。作者发现了这个精确的过渡带，即墙壁从砖块缓慢变形为玻璃的过程。他们推导出了一个新的公式，来描述这个平滑的变形过程。

4. “普适性”猜想

作者所有的数学推导都是使用“高斯”矩阵（一种特定的随机数生成器，就像投掷完美的骰子）完成的。然而，他们怀疑这种“变形”行为具有普适性。

• 类比： 这就像是你发现水流绕过岩石的方式，无论水是淡水、咸水还是微浑浊的水，其方式都是一样的。他们相信，他们关于边缘过渡的新公式适用于任何类型的随机矩阵，而不仅仅是他们使用的这些完美的骰子。他们用“不完美”的骰子（不是完美高斯的随机数）进行了计算机模拟，发现结果与他们的理论完美吻合。

总结

简而言之，这篇论文：

1. 架起了桥梁，连接了两类主要的非厄米随机矩阵。
2. 证实了矩阵中心始终遵循简单的圆周律。
3. 发现了矩阵边缘的一个新的、平滑的过渡带，这种过渡只发生在几乎达到完美对称时。
4. 提出这种过渡是这类系统中自然界的基本规律，而不仅仅是他们所使用的特定数学模型的特质。

他们不仅是说“它发生了变化”，而是写下了它究竟是如何变化的精确数学配方，填补了我们对复杂系统中对称性如何破缺的理解空白。

技术摘要

技术摘要：插值非厄米普适类 A 与 AI†

问题陈述
本文解决了关于非厄米普适类之间转换缺乏解析理解的问题，具体是在 Class A（复 Ginibre 矩阵，缺乏时间反演对称性）与 Class AI†（复对称矩阵，具有正时间反演对称性）之间的转换。虽然这两类的体谱统计（bulk spectral statistics）已知都遵循圆律（circular law），但它们的边缘行为存在显著差异。前人的工作已经确立了 Class A 的特征值密度，并且最近也确立了 Class AI† 的密度，但目前尚不存在能够描述这两者之间插值的解析框架，也无法对时间反演对称性的连续破缺进行建模。作者旨在构建一个能够插值于这些类别的高斯系综，并推导出在有限矩阵规模 $N$ 以及渐近极限下，特征值及其相关归一化右特征向量的联合概率密度函数（JPDF）以及由此产生的特征值密度。

方法论
作者引入了一个由随机矩阵 $X_N = \sqrt{\frac{1+\tau}{2}}G_N + \sqrt{\frac{1-\tau}{2}}G_N^T$ 定义的非厄米插值系综（nHIE），其中 $G_N$ 是一个复 Ginibre 矩阵，$\tau \in [0,1]$ 是一个插值参数。该模型使用对称性参数 $\sigma = \sqrt{1-\tau^2}$ 进行了重新参数化。

为了推导主要结果，作者采用了 Fyodorov 最近为非厄米随机矩阵开发的 Kac-Rice 形式。该方法通过计算涉及 Grassmann 变量的指数化迹的期望值，来实现特征值及其特征向量 JPDF 的计算。推导过程包括：

1. 使用具有特定矩阵项相关结构的 Kac-Rice 公式构建 JPDF。
2. 对矩阵项的高斯分布进行系综平均。
3. 利用 Hubbard-Stratonovich 变换来解耦四次 Grassmann 项。
4. 将所得的高维积分归约为对一个 $4N \times 4N$ 矩阵的 Pfaffian 的求值，随后将其映射到 $4 \times 4$ 矩阵的行列式。
5. 对特征向量自由度进行积分，以获得边际特征值密度。
6. 在 $N \to \infty$ 时对两个不同区域进行渐近分析：体部（$z = \sqrt{N}w$）和边缘（$|z| = \sqrt{N} + \eta$）。至关重要的是，边缘分析考虑了两种 $\sigma$ 的标度方案：固定 $\sigma$（强非对称性）和 $\sigma = 1 - \kappa N^{-1/2}$（弱非对称性）。

核心贡献与结果

1. 有限-$N$ JPDF 与密度： 作者推导出了有限 $N$ 下 nHIE 的特征值 $z$ 及其归一化右特征向量 $v$ 的精确闭合形式 JPDF（定理 1）。由此，他们推导出了精确的边际特征值密度 $\rho^{(nHIE)}_N(z; \sigma)$（推论 2）。这些公式对于任何 $\sigma \in [0, 1]$ 均有效，并能退化为已知的 Class A ($\sigma=0$) 和 Class AI† ($\sigma=1$) 的结果。

2. 体部普适性： 在体部标度极限（$N \to \infty$）下，作者证明了特征值密度收敛于标准的圆律 $\frac{1}{\pi}\Theta[1-|w|^2]$，且对于所有对称性参数 $\sigma$ 均成立。这证实了插值过程不会改变领先阶的体部统计特性。

3. 强非对称性区域（固定 $\sigma$）： 对于固定的 $\sigma \in [0, 1)$，当 $N \to \infty$ 时，边缘密度被证明遵循与 Class A（Ginibre 矩阵）相关的行为，即 $\frac{1}{2\pi}\text{erfc}(\sqrt{2}\eta)$。这表明，除非矩阵是渐近对称的，否则系统在边缘处会落入 Ginibre 普适类。

4. 弱非对称性区域（标度 $\sigma$）： 本文识别出了一个过渡区域，其中对称性参数按 $\sigma = 1 - \kappa N^{-1/2}$ 进行标度。在此“弱非对称性”区域中，作者推导出了一个新的边缘密度公式（推论 5），该公式平滑地插值了 Class AI†（在 $\kappa=0$ 时）与 Class A（当 $\kappa \to \infty$ 时）的边缘密度。该公式代表了一个此前未知的弱非对称性区域，在该区域中，时间反演对称性虽已破缺，但仍接近对称极限。

5. 普适性猜想： 作者猜想，只要满足相同相关结构的非高斯矩阵，其推导出的边缘密度公式（针对强非对称性和弱非对称性区域）具有普适性。他们通过模拟具有 Bernoulli 和均匀分布项的矩阵提供了数值证据，观察到与高斯推导公式的高度一致性，从而支持了这一猜想。

意义
本文声称提供了首次对非厄米普适类 A 与 AI† 之间转换的解析描述。它是对 Mehta 和 Pandey 经典工作的非厄米扩展，后者研究了厄米矩阵中时间反演对称性的破缺（在 GOE 与 GUE 之间插值）。通过确立一个具有独特边缘密度的“弱非对称性”区域，这项工作填补了非厄米谱统计研究中的空白。其结果提供了一个统一的框架来研究开放量子系统中的时间反演对称性破缺，并为未来研究这些类别中的特征向量非正交性及其他统计性质奠定了严密的理论基础。