Disc counting statistics of the real Ginibre ensemble

技术摘要：实高斯爱因斯坦系综（Real Ginibre Ensemble）的圆盘计数统计

问题陈述
本文研究了实高斯爱因斯坦系综（GinOE）特征值的计数统计，该模型由具有独立、中心化实高斯条目的 $N \times N$ 随机矩阵组成。与复高斯爱因斯坦系综（GinUE）和辛高斯爱因斯坦系综（GinSE）不同（后两者的谱完全由非实特征值组成），GinOE 的谱由两个截然不同的部分组成：实特征值和成对的非实共轭复特征值。这种混合维度结构（一维实轴和二维复平面）从根本上增加了分析全局可观测量的难度。

主要目标是推导包含在以原点为中心的半径为 $R$ 的圆盘内的实特征值数量（$N^r_N(R)$）和非实特征值数量（$N^c_N(R)$）的联合计数统计的渐近行为。研究涵盖了相对于圆律（极限谱分布）的三种宏观机制：体区（$R < 1$）、谱边缘（$R \approx 1$）以及外部（$R > 1$）。具体而言，作者旨在确定这些计数的联合累积量、方差、协方差以及当 $N \to \infty$ 时的极限分布。

方法论
作者采用了一种根植于 GinOE 精确有限-$N$ 代数结构的严谨解析方法：

1. 有限-$N$ 决定式表示： 分析始于利用 GinOE 的 Pfaff 结构，该结构对于偶数 $N$ 可简化为决定式表示。作者通过一个结构化矩阵的行列式推导出了关于 $N^r_N(R)$ 和 $N^c_N(R)$ 的联合矩生成函数的显式公式（命题 3.1）。该矩阵被分解为四个部分：$L_N(R)$、$M_N(R)$、$E_{N,1}(R)$ 和 $E_{N,2}(R)$，其条目涉及不完全伽马函数和误差函数。
2. 迹展开： 利用恒等式 $\log \det(I + X) = \text{Tr} \log(I + X)$，将联合累积量表示为结构化矩阵和之对数迹的泰勒展开式的系数。这使得问题转化为分析形式为 $\text{Tr}(\prod \text{结构化矩阵})$ 的迹乘积的渐近行为。
3. 结构化矩阵的渐近分析：
   • 主导项： 矩阵 $L_N(R)$ 和 $M_N(R)$ 被确定为主要的贡献者。作者通过使用不完全伽马函数的一致展开和斯特林近似，建立了精确的条目级渐近估计。
   • 迹幂： 引理 4.4 和 4.5 推导了纯迹幂 $\text{Tr}(L_N(R)^m)$ 和 $\text{Tr}(M_N(R)^m)$ 的渐近行为。这些涉及互补误差函数（$\text{erfc}$）的积分和多重对数函数，捕捉了谱边缘附近的过渡行为。
   • 误差项： 通过定位论证和指数衰减估计（引理 4.7），证明了矩阵 $E_{N,1}(R)$ 和 $E_{N,2}(R)$ 在相关尺度（$O(\sqrt{N})$）下是微不足道的。
   • 混合迹： 引理 4.6 表明，仅涉及 $L_N$ 和 $M_N$ 的混合迹乘积在低阶误差范围内可以简化为 $M_N$ 的纯迹幂。
4. 累积量提取： 通过结合迹渐近行为与迹-对数展开，作者提取了对应于任意阶 $j, k$ 的联合累积量 $\kappa_{j,k}$。

主要贡献与结果

• 联合累积量渐近行为（定理 2.2）： 本文在所有三个机制（体区、边缘、外部）下提供了联合累积量的显式渐近公式。

  • 在体区（$R < 1$），联合累积量按 $\sqrt{N}$ 缩放。极限累积量取决于半径 $R$ 以及由第二类斯特林数和多重对数函数导出的特定常数。
  • 在边缘机制（$R = 1 - s/\sqrt{2N}$）下，渐近行为涉及一个缩放函数 $F(s)$（通过 $\text{erfc}$ 函数的积分定义），该函数描述了交叉过程。
  • 在外部（$R > 1$）情况下，总计数的累积量消失，而单个组分保留特定的非零极限。

• 方差与协方差结构（命题 2.1）：

  • 尽管实特征值和非实特征值的预期数量分别为 $O(\sqrt{N})$ 和 $O(N)$，但两者计数的方差均为 $\sqrt{N}$ 阶。
  • 实计数与非实计数之间的协方差为负，且为 $\sqrt{N}$ 阶。
  • 至关重要的是，推导了总特征值计数 $N_N(R)$ 的方差。在体区，它按 $\sqrt{2R}\sqrt{N}$ 缩放。在外部，它消失，表明存在尖锐的截断。

• 联合中心极限定理（推论 2.3）： 由于所有 $p \ge 2$ 阶的联合累积量均按 $\sqrt{N}$ 缩放，作者建立了一个二元中心极限定理。归一化向量 $(N^r_N(R), N^c_N(R))$ 收敛于高斯分布，其协方差矩阵 $\Sigma_R$ 由所属机制决定。

• 普适性现象： 一个重要的发现是，虽然实特征值和非实特征值的各自计数统计依赖于对称性类别（GinOE 与 GinUE/GinSE 不同），但它们的组合涨落表现出普适性。总特征值计数的极限累积量在所有宏观机制下都与 GinUE 和 GinSE 完全一致。当两种物种合并时，依赖于对称性的贡献会精确抵消。

意义与主张
本文声称解决了关于 GinOE 的基本开放问题：

1. 完善图景： 它提供了全谱联合涨落的首个全面描述，填补了以往文献几乎只关注单独的实或非实特征值的空白。
2. 证实猜想： 结果证实了近期文献中提出的关于总特征值计数数量方差的渐近行为猜想（特别是 [3, Conjecture 2.10]）。
3. 边缘渐近行为： 本文建立了此前缺失的协方差和方差的边缘渐近行为，完成了对所有宏观缩放机制的描述。
4. 普适性： 它揭示了一种新的普适性现象，即两种谱组分（实 vs 非实）截然不同的统计行为在总计数中相互抵消，从而恢复了在其他对称性类别中观察到的极限行为。
5. 技术进步： 该工作将计数统计分析扩展到了混合维度点过程，克服了通常用于简化 GinUE 和 GinSE 研究的径向分解缺失的问题。

作者指出，虽然结果是针对中心圆盘推导的，但其方法论高度依赖于圆盘的特定结构（允许通过不完全伽马函数进行显式表示）。将这些精确的高阶累积量结果扩展到一般区域仍是一个开放的挑战，尽管通过相关函数或许可以处理一般区域的数量方差。