Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > math > arXiv:2507.20274

帮助 | 高级搜索

数学 > 概率

arXiv:2507.20274 (math)
[提交于 2025年7月27日 ]

标题: 非平均场随机矩阵在维度$d\ge 3$的离域化

标题: Delocalization of Non-Mean-Field Random Matrices in Dimensions $d\ge 3$

Authors:Sofiia Dubova, Fan Yang, Horng-Tzer Yau, Jun Yin
摘要: Consider an $N \times N$ random band matrix $H = \left(H_{xy}\right)$ with mean-zero complex Gaussian entries, where $x, y$ lie on the discrete torus $(\mathbb{Z} / \sqrt[d]{N} \mathbb{Z})^d$ in dimensions $d \ge 3$. 方差轮廓$\mathbb{E}\left|H_{xy}\right|^2 = S_{xy}$在$x$与$y$之间的距离超过给定的带宽参数$W$时消失。 我们证明,如果带宽满足$W \geq N^{\mathfrak{c}}$对某个常数$\mathfrak{c} > 0$,那么在大$N$极限下,体态向量的扩展化和局部半圆律到最优光谱尺度$\eta \ge N^{-1+\varepsilon}$都以高概率成立。 我们的证明基于环层次结构的原始近似(arXiv:2501.01718),并建立在自2021年以来在此系列中开发的方法之上(arXiv:1807.02447, arXiv:2104.12048, arXiv:2107.05795, arXiv:2412.15207, arXiv:2501.01718, arXiv:2503.07606)。
摘要: Consider an $N \times N$ random band matrix $H = \left(H_{xy}\right)$ with mean-zero complex Gaussian entries, where $x, y$ lie on the discrete torus $(\mathbb{Z} / \sqrt[d]{N} \mathbb{Z})^d$ in dimensions $d \ge 3$. The variance profile $\mathbb{E}\left|H_{xy}\right|^2 = S_{xy}$ vanishes when the distance between $x$ and $y$ exceeds a given bandwidth parameter $W$. We prove that if the bandwidth satisfies $W \geq N^{\mathfrak{c}}$ for some constant $\mathfrak{c} > 0$, then in the large $N$ limit, both the delocalization of bulk eigenvectors and a local semicircle law down to optimal spectral scales $\eta \ge N^{-1+\varepsilon}$ hold with high probability. Our proof is based on the primitive approximation of the loop hierarchy (arXiv:2501.01718), and builds upon methods which were developed in this series since 2021 (arXiv:1807.02447, arXiv:2104.12048, arXiv:2107.05795, arXiv:2412.15207, arXiv:2501.01718, arXiv:2503.07606).
评论: 84页。草稿版本,欢迎提出意见
主题: 概率 (math.PR) ; 数学物理 (math-ph)
引用方式: arXiv:2507.20274 [math.PR]
  (或者 arXiv:2507.20274v1 [math.PR] 对于此版本)
  https://doi.org/10.48550/arXiv.2507.20274
通过 DataCite 发表的 arXiv DOI(待注册)

提交历史

来自: Fan Yang [查看电子邮件]
[v1] 星期日, 2025 年 7 月 27 日 13:37:55 UTC (102 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
查看许可
当前浏览上下文:
math.PR
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-07
切换浏览方式为:
math
math-ph
math.MP

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号