Optimal Covariance Estimates for Schrödinger Semigroups with White Noise in $d=1,2$

技术摘要：$d=1, 2$ 维白噪声下薛定谔半群的最优协方差估计

问题陈述
本文研究了随机薛定谔算子 $H = -\frac{1}{2}\Delta + V + \xi$ 在 $L^2(\mathbb{R}^d)$ 上的特征值的统计性质，其中 $d \in \{1, 2\}$。此处，$\xi$ 代表标准高斯白噪声（一种 Schwartz 分布），而 $V$ 是具有无穷远端幂律增长的确定性势能（$V(x) \geq a|x|^\kappa - b$）。研究的核心重点是 $H$ 的大特征值的涨落与相关性，具体通过指数迹（半群）的协方差 $C(s, t) = \text{Cov}(\text{Tr}[e^{-sH}], \text{Tr}[e^{-tH}])$ 在 $s, t \to 0$ 时的表现来进行分析。

该研究的动机在于将 $H$ 解释为受限于势能 $V$ 且受到无结构离散 $\xi$ 影响的量子粒子的能量能级。由于白噪声是格点噪声的普遍缩放极限，其高度奇异性使得在 $d \geq 2$ 时严格定义 $H$ 及其谱性质的技术挑战极大。以往文献建立了 $d=1$ 时迹的方差界限，但对于 $s \neq t$ 的情况这些界限并非最优，且对于具有一般限制势能的 $d=2$ 情况尚未存在此类估计。

方法论
作者采用了一种以 Feynman-Kac 公式为核心的概率方法，用以表示迹及其协方差。该方法包含以下几个关键技术步骤：

1. 迹的构造：

   • 对于 $d=1$，通过其二次型构造算子 $H$，将对 $\xi$ 的积分解释为随机积分。迹被定义为指数函数的和。
   • 对于 $d=2$，由于白噪声的奇异性，算子需要进行重整化。作者并未通过正则结构（regularity structures）或参数控制微积分（paracontrolled calculus）来构造完整的算子，而是直接将迹观测量 $\text{Tr}[e^{-tH}]$ 构造为重整化迹的 $L^2$ 极限，其中重整化迹由平滑算子 $H_\epsilon = -\frac{1}{2}\Delta + V + \xi_\epsilon - c_\epsilon$ 构成，$\xi_\epsilon$ 是平滑后的噪声，$c_\epsilon$ 是重整化常数。

2. Feynman-Kac 表示：
   期望和迹的协方差通过布朗桥（$B^{x,x}_t$）进行表示。

   • 期望涉及单个桥的自相交局部时间（SILT）。
   • 协方差涉及两个独立桥 $B^{x,x}_t$ 与 $B^{y,y}_s$ 之间的相互相交局部时间（MILT），以及它们各自的 SILT。
   • 对于 $d=2$，SILT 和 MILT 通过涉及高斯核的近似局部时间的极限来定义，这需要仔细处理发散问题（即通过减去均值来处理 SILT）。

3. 渐近分析：
   分析的核心在于推导协方差 $C(s, t)$ 在 $s, t \to 0$ 时的精确渐近上下界。这是通过以下方式实现的：

   • 利用布朗桥的标度性质估计 MILT 和 SILT 的矩。
   • 控制势能 $V$（通过项 $e^{-\int V}$）与噪声项（通过相交局部时间）之间的相互作用。
   • 利用 Hölder 不等式和一致可积性估计来分离协方差积分中的主导项。

主要贡献与结果

1. 最优协方差界限：
   主要结果（定理 1.4）表明，在满足增长假设 $V(x) \geq a|x|^\kappa - b$ 的条件下，协方差满足：
   $$C(s, t) \lesssim \min(s, t)^{1 - d/2} \max(s, t)^{1 - d/2 - d/\kappa}$$
   当 $s, t \to 0$ 时。此外，如果 $V$ 还满足上界 $V(x) \leq c|x|^\kappa + f$，则该估计被证明是优的（即存在匹配的下界）。

   • 对于 $d=1$： 这显著改进了以往的界限（例如来自 [LGL20] 和 [GL25]），特别是在 $s \neq t$ 的情况下，早期的结果提供的幂次较弱。
   • 对于 $d=2$： 这提供了此类针对带有白噪声和一般幂律势能的薛定谔算子的首个估计。

2. 半群超均匀性（Semigroup Hyperuniformity）：
   通过应用这些界限，作者证明了“半群超均匀性”属性（推论 1.10）。他们定义了超均匀性比率 R_s(t) = \text{Var}(\text{Tr}[e^{-tH}]) / \mathbb{E}[\text{Tr}[e^{-tH}]}]，并证明如果势能同时满足上述增长与上界条件，则当 $t \to 0$ 时 $R_s(t) \asymp t^{2 - d/2}$。这意味着迹的涨落消失的速度比具有同等强度的泊松过程更快，从而量化了一种谱的“全局刚性”。

3. 去相关速率：
   论文推导了不同时刻下迹的去相关精确速率（推论 1.12）。相关系数 $\rho(s, t)$ 衰减为：
   $$\rho(s, t) \lesssim \left( \frac{\min(s, t)}{\max(s, t)} \right)^{d/2\kappa}$$
   这量化了特征值相关性如何依赖于维度 $d$ 和势能增长率 $\kappa$。

意义与主张
本文声称其结果显著提升了对带有白噪声的随机薛定谔算子的理解：

• 技术进步： 它提供了 $d=2$ 的首个最优协方差估计，并提高了 $d=1$ 中 $s \neq t$ 情况下的估计精度。
• 方法论创新： 通过绕过在 $d=2$ 时构建完整算子的需求，转而通过 $L^2$ 极限和 Feynman-Kac 公式直接关注迹，作者避开了针对该特定谱问题使用复杂的正则结构理论。
• 物理洞察： 结果量化了由拉普拉斯算子驱动的本征函数扩散与由 $V$ 和 $\xi$ 驱动的向低势能/噪声区域集中的竞争。推导出的去相关速率反映了高维如何允许本征函数更容易地分离（从而降低相关性），而更强的限制势能如何迫使它们“重复使用”相同的噪声（从而增加相关性）。
• 奠定基础： 作者指出，这些匹配的上下界对于证明关于半线超均匀性（$R_h(\lambda) \to 0$）以及特征值计数相关性的猜想是必要的，而这些问题在 $d=1, 2, 3$ 中仍是开放问题。

本文并未提出新的实验设置或应用，其范围严格限于建立一维和二维下半群迹协方差的严谨渐近界限。