主観差分構造とGUE構造の数値検証-主観が成立する構造条件を数理化するとなぜその差分作用素の局所スペクトル統計がGUE 型 universality class に寄るのか-

Z.26~Z.28における仮説、主張に基づいて

数値検証を行ったのでここに共有する。

また、それにより検証結果を組み込んだ改訂版を
以下に掲載する。

改訂版

Section Z.26

Difference Hamiltonian, Dyson–Brownian Motion, and GUE-Type Spectral Statistics

Z.26.1 目的

本節の目的は、主観差分構造から自然に導かれる自己共役作用素

D_Δ := iΔ = 2i[H,A]

の局所スペクトル統計を解析し、その統計が GUE 型の普遍性クラスへ向かうことを、理論的および数値的に検証可能な形で定式化することである。

ここでの目標は、リーマンゼータの非自明零点そのものを直ちに導出することではない。むしろ本節の到達点は、ゼータ零点の GUE 統計と同型のスペクトル生成機構が、主観差分構造から自然に現れることを示す点にある。

Z.26.2 なぜ Σ_Δ ではなく D_Δ を考えるのか

これまで本理論では、正作用素

Σ_Δ = Δ†Δ

を主として用いてきた。これは

Born 型重み

spectral zeta

heat trace

の構成において自然な対象である。

しかしながら、Hilbert–Pólya 型の議論において必要となるのは、零点の虚部 γ_n と対応しうる符号付き実スペクトルを持つ自己共役作用素である。したがって、この文脈で主役となるべき作用素は

D_Δ := iΔ = 2i[H,A]

である。

H および A は Hermitian であるから、交換子 [H,A] は反 Hermitian である。従って D_Δ は Hermitian、すなわち自己共役である。その結果、D_Δ は実固有値列

Spec(D_Δ) = {ξ_n}

を持つ。

さらに

Σ_Δ = D_Δ^2

が成り立つので、本理論には次の二層構造が存在する。

D_Δ：符号付きスペクトルを持つ差分 Hamiltonian

Σ_Δ：その正値化された強度作用素

Hilbert–Pólya 的観点から自然なのは前者であり、Born 型・heat trace 型の構成に自然なのは後者である。

Z.26.3 H 固定条件下における D_Δ の条件付き分布

まず H を対角化して

H = U diag(h_1, ..., h_N) U†

とする。

U(N)-不変性により、A が GUE 型分布に従うなら、H の固有基底に移した

B := U†AU

も同一の統計を持つ。この基底において D_Δ = 2i[H,A] の成分は

(D_Δ){ij} = 2i(h_i - h_j) B{ij}

で与えられる。

したがって、

対角成分は (D_Δ)_{ii} = 0

非対角成分は gap |h_i - h_j| に比例した複素 Gaussian

となる。

すなわち、H を固定した条件付きで見ると、D_Δ はゼロ対角かつ分散プロファイルを持つ Hermitian Gaussian ensemble として解釈される。その分散プロファイルは

Var((D_Δ)_{ij} | H) ∝ |h_i - h_j|^2

である。

この構造は本理論に固有であり、客観チャネルのスペクトルギャップが大きいほど、主観差分の結合強度も大きくなることを意味する。

ただし、この分散プロファイルは一様ではなく、対角近傍で退化しうる。そのため、既存の generalized Wigner の標準的 universality 定理をそのまま適用することはできない。この点は、本系の厳密証明における本質的な難しさでもある。

Z.26.4 Generalized Wigner からの GUE 普遍性

標準的な GUE では、全ての非対角成分が同一分散を持つ。他方、D_Δ は明確な variance profile を持つため、そのままでは標準 GUE と一致しない。

しかしランダム行列理論の一般原理によれば、複素 Hermitian 対称性と十分に密な長距離結合を持つ行列アンサンブルでは、局所 bulk 統計が β=2 型 universality class に属することが期待される。本系では近対角成分が抑制される一方で、bulk において |h_i - h_j| = O(1) の結合が多数存在するため、全体として複素 Hermitian 混合が十分強いと考えられる。

この観点から、本理論における適切な主張は次の予想である。

予想 Z.26.1（Difference Ensemble の局所 GUE 普遍性）

適切なスケーリング極限 N → ∞ において、H の経験スペクトル分布が滑らかであり、bulk 領域で variance profile |h_i - h_j|^2 が十分に非退化な有効混合を与えるならば、

D_Δ = 2i[H,A]

の unfolded local eigenvalue statistics は、GUE の sine-kernel 統計へ向かう。

この予想が成立すれば、D_Δ は「厳密に GUE である」とは言えないとしても、局所統計の universality class としては GUE に属することになる。

Z.26.5 Dyson–Brownian Motion 型導出の基本構図

次に、局所 GUE 普遍性の理論的導出方針を述べる。H_t および A_t を Hermitian 行列値 Ornstein–Uhlenbeck 過程として

dH_t = -(1/2) H_t dt + (1/√N) dB_t^(H)

dA_t = -(1/2) A_t dt + (1/√N) dB_t^(A)

と定める。ここで dB_t^(H), dB_t^(A) は独立な Hermitian matrix Brownian motion である。

このとき

D_t := 2i[H_t, A_t]

とおけば、D_t は複数方向から Gaussian 摂動を受ける行列値拡散過程となる。短時間スケールでは、これが固有値間の混合とレベル反発を生み、β=2 Dyson 型の局所平衡化機構を有効的に実現すると期待される。

従って D_t の固有値過程 λ_i(t) は、適切な混合条件のもとで近似的に

dλ_i = √(2/N) dβ_i + (1/N) Σ_{j≠i} 1/(λ_i - λ_j) dt - (1/2) V'(λ_i) dt + 誤差項

に従うことが期待される。ここで

dβ_i は独立 Brownian motion

1/(λ_i - λ_j) はレベル反発

V はグローバルな confining potential

誤差項は commutator structure に由来する profile dependence

を表す。

ただし、現段階ではこの流れが厳密に標準 Dyson Brownian motion に閉じることは示されていない。従って、ここで主張できるのはあくまで有効記述としての近似構図である。

この考え方を次の形で定式化する。

予想 Z.26.2（Difference Dyson Flow）

大 N 極限および局所平衡化時間スケールのもとで、D_t の固有値過程は有効的に β=2 の Dyson 型拡散へ接続される。これが成立すれば、local spacing statistics は GUE に従う。

Z.26.6 Spacing 分布と GUE 指標

上記予想が正しければ、unfolding 後の最近接間隔 s に対する分布 P(s) は、Wigner surmise

P_GUE(s) ≈ (32/π^2) s^2 exp(-4s^2/π)

に近づくことが期待される。

さらに、検証すべき主要な局所統計指標としては以下が挙げられる。

最近接間隔分布 P(s)

二点相関関数 R_2(x)

number variance Σ^2(L)

spectral rigidity Δ_3(L)

GUE の bulk 極限では sine kernel

K(x,y) = sin(π(x-y)) / (π(x-y))

が現れるため、二点相関関数もそれに対応する普遍形に従う。

本研究においては、実際の数値検証の結果、統計量ごとに最も安定な unfolding 手続きが異なることが確認された。具体的には、

最近接間隔分布 P(s) の検証には sample-wise unfolding

二点相関関数、number variance、spectral rigidity の検証には ensemble-based unfolding

が最も安定であった。従って以下の数値節では、この役割分担に従って結果を報告する。

Z.26.7 数値検証プロトコル

数値検証は次の手順により実行した。

行列サイズ N を選ぶ。本節では主として N = 200, 400 を用い、補助的に固定 H 条件付き実験として N = 200 を用いた。

H および A を独立な GUE からサンプルする。

D_Δ = 2i[H,A] を構成する。

D_Δ の固有値 ξ_1 ≤ ... ≤ ξ_N を計算する。

端の 20% を除去し、中央 60% を bulk 領域として抽出する。

統計量に応じて unfolding を施す。

spacing, pair-correlation estimate, number variance, rigidity を評価し、GUE・GOE・Poisson と比較する。

さらに H を固定し A のみを再サンプルする条件付き実験も行う。

本節で用いた実装は再現可能な Python スクリプトとして与える。

Z.26.8 数値結果：spacing 統計

まず、bulk 抽出後の sample-wise unfolding に基づく最近接間隔統計を評価した。得られた結果は次の通りである。

Difference ensemble, N = 200

Wasserstein vs GUE = 0.00480

KS stat vs GUE = 0.01961

KS p-value vs GUE = 0.94666

Wasserstein vs GOE = 0.01785

KS stat vs GOE = 0.05532

KS p-value vs GOE = 0.02527

Wasserstein vs Poisson = 0.58864

KS stat vs Poisson = 0.43908

KS p-value = 0

Difference ensemble, N = 400

Wasserstein vs GUE = 0.00527

KS stat vs GUE = 0.02022

KS p-value vs GUE = 0.60071

Wasserstein vs GOE = 0.01104

KS stat vs GOE = 0.04045

KS p-value vs GOE = 0.01833

Wasserstein vs Poisson = 0.60988

KS stat vs Poisson = 0.45467

KS p-value = 0

Fixed-H conditional, N = 200

Wasserstein vs GUE = 0.00571

KS stat vs GUE = 0.02297

KS p-value vs GUE = 0.64784

Wasserstein vs GOE = 0.02089

KS stat vs GOE = 0.05518

KS p-value vs GOE = 0.00389

Wasserstein vs Poisson = 0.59884

KS stat vs Poisson = 0.45434

KS p-value = 0

これらの結果は一貫して、

GUE 仮説は棄却されない

GOE 仮説は棄却される

Poisson 仮説は強く棄却される

ことを示している。従って、少なくとも finite-N の範囲において、difference ensemble の local spacing statistics は β=2 型、すなわち GUE universality scenario と強く整合的である。

特に、H を固定しても同様の傾向が維持されることは、GUE 型局所統計が単なる H の再標本化平均の人工物ではなく、条件付き分布のレベルでも安定に現れていることを示唆する。

Z.26.9 数値結果：pair correlation, number variance, rigidity

次に、ensemble-based unfolding に基づいて二点相関、number variance、および rigidity を評価した。

pair-correlation estimate では、短距離での level repulsion と中距離での 1 への接近が確認され、GUE sine-kernel 予測

R_2(x) = 1 - (sin(πx)/(πx))^2

と定性的に整合した。特に fixed-H 条件付き実験においても同様の形状が観察され、spacing 分布で得られた β=2 型挙動と整合的である。

number variance Σ^2(L) については、sample-wise unfolding では不安定な振動が現れた一方、ensemble-based unfolding を用いることで単調増加が安定に回復された。得られた曲線は Poisson の線形成長 Σ^2(L)=L より著しく抑制されており、明瞭な spectral rigidity を示す。また、GUE 漸近曲線よりはやや大きいが、このずれは finite-N 効果および unfolding bias の残差と整合的である。

spectral rigidity Δ_3(L) についても単調増加と長距離剛性が観測された。ただし、定量的比較は number variance よりさらに unfolding に敏感であるため、本稿では補助的診断量として扱う。

以上より、本系における局所・中距離統計は、spacing において強く、pair correlation と number variance において定性的に、GUE 型 universality を支持している。

Z.26.10 Hilbert–Pólya への接近とその限界

ここで Hilbert–Pólya 仮説との関係を明確にする。Hilbert–Pólya 仮説の内容は、リーマンゼータの非自明零点 1/2 + iγ_n に対して、ある自己共役作用素 D_HP が存在し

Spec(D_HP) = {γ_n}

となる、というものである。

本理論が現時点で主張できるのは、そこまで強いものではない。現段階で言えるのは次の諸点である。

D_Δ = 2i[H,A] は自己共役である

その local spacing statistics は finite-N 数値実験の範囲で GUE と高い整合性を示す

pair correlation および number variance も GUE 型統計と定性的に整合する

ゼータ零点の局所統計も GUE 型であることが古典的に示唆されている

したがって、D_Δ は Hilbert–Pólya 型作用素の候補クラスに属する可能性がある。

より正確には、Hilbert–Pólya が要求する統計的性質の少なくとも一部を、主観差分構造から自然に生成する候補を与えた、というのが本節における最も強いがなお慎重な主張である。

Z.26.11 主観差分構造との解釈的接続

本理論において D_Δ は単なるランダム行列ではない。定義

D_Δ = 2i[H,A]

に立ち返れば、

H：客観化された構造

A：内部自由度

i[H,A]：Hermitian 化された差分作用素

である。

従って D_Δ のスペクトルは、主観差分の固有振動モードを与える。もしその局所統計が GUE に従うなら、それは「ゼータ零点が主観そのものである」ことを意味しない。むしろ、

ゼータ零点と同型のスペクトル統計が、主観差分の作用素化から自然に現れる

ことを意味する。

この意味で、ゼータは主観そのものではないが、主観差分構造のスペクトル統計的影として理解される。

Z.26.12 結論

本節で得られた結論は次の通りである。

Hilbert–Pólya 型候補作用素として D_Δ = 2i[H,A] を導入した

H 固定条件下で D_Δ は variance profile を持つ Hermitian Gaussian ensemble となることを示した

standard generalized Wigner 理論をそのまま適用できないことを明確化した

にもかかわらず、finite-N 数値実験において spacing 統計は GUE と高い整合性を示した

pair correlation と number variance も β=2 型統計を定性的に支持した

fixed-H 条件下でもこの傾向が保持された

したがって本理論において、リーマンゼータ零点は主観そのものではないが、主観差分作用素 D_Δ の局所スペクトル統計と同型の構造を持つ有力な候補として理解される。

Section Z.27

Finite-N Ensemble, Numerical Verification, and Toward Universality

Z.27.1 目的

本節では、前節で提示した

difference ensemble の GUE 普遍性

Dyson–Brownian 型挙動

に関する予想を、有限サイズ数値実験および既存のランダム行列理論との対応付けによって具体化し、それらを検証可能な形へ落とし込む。

Z.27.2 差分アンサンブルの定義

数値実験のため、次の finite-N モデルを定義する。

H, A ∈ Hermitian(N)

H ~ GUE(N, σ_H^2)

A ~ GUE(N, σ_A^2)

H と A は独立

このとき差分作用素を

D_Δ = 2i[H,A]

と定める。

Z.27.3 基本性質

本アンサンブルは直ちに次の性質を持つ。

(i) 自己共役性

D_Δ† = D_Δ

(ii) トレース零条件

Tr(D_Δ) = 0

(iii) 成分スケーリング

D_Δ の成分は概ね

(D_Δ){ij} ∼ (h_i - h_j) A{ij}

により決まり、適切な GUE スケーリングのもとで典型サイズは O(1/√N) に調整される。

このスケーリングは、large-N 極限における局所統計比較に必要である。

Z.27.4 数値実験プロトコル

有限サイズにおける数値検証は、以下の手順で実施した。

Step 1: サンプルサイズの設定

本稿で報告する主実験では N = 200, 400 を用い、各サイズにつき 12 サンプルを生成した。加えて、固定 H 条件付き実験として N = 200 で A を 30 回再サンプルした。

Step 2: 行列の生成

H および A を独立な GUE から生成し、D_Δ = 2i[H,A] を構成する。

Step 3: 固有値計算

D_Δ の固有値 ξ_1 ≤ ... ≤ ξ_N を数値的に計算する。

Step 4: Bulk 領域の抽出

端の 20% を除去し、中央 60% の固有値を bulk 領域として用いる。

Step 5: Unfolding

統計量に応じて unfolding を使い分ける。最近接間隔分布には sample-wise unfolding を、pair correlation・number variance・spectral rigidity には ensemble-based unfolding を用いる。

Step 6: Spacing の正規化

差 s_n = x_{n+1} - x_n を計算し、平均が 1 になるよう正規化する。

Z.27.5 比較対象

比較すべき spacing 分布として、少なくとも次の三者を採用する。

(A) GUE

P_GUE(s) = (32/π^2) s^2 exp(-4s^2/π)

(B) GOE

P_GOE(s) = (π/2) s exp(-π s^2 / 4)

(C) Poisson

P_Poisson(s) = exp(-s)

この三者を比較することにより、差分アンサンブルが非相関型でも実対称型でもなく、複素 Hermitian 型の GUE 普遍性クラスに属するかを判定する。

Z.27.6 検証指標

本稿で評価する統計量は以下の四つである。

最近接間隔分布 P(s)

二点相関の推定量 R_2(x)

Number Variance Σ^2(L)

Spectral Rigidity Δ_3(L)

ここで、pair correlation は正側のみを用いた edge-corrected estimator として実装した。従ってその比較は厳密な closed-form 照合ではなく、GUE sine-kernel との定性的整合性の確認として解釈される。

Z.27.7 検証結果

数値実験の結果、difference ensemble D_Δ の bulk spacing statistics は、Poisson ではなく GOE でもなく、明確に GUE に近いことが確認された。

とりわけ最近接間隔分布については、

N = 200, 400 の双方で GUE 参照に対する KS 検定は棄却されなかった

同時に GOE および Poisson は棄却された

Wasserstein 距離も一貫して GUE の方が小さかった

さらに固定 H 条件付き実験でも同様の傾向が確認された。

従って、本系の strongest finite-N statement は次のようになる。

結論 Z.27.1（数値的主張）

Difference ensemble D_Δ の bulk local spacing statistics は、少なくとも本稿の finite-N 数値実験の範囲では、Poisson および GOE よりも GUE に明確に近い。したがって本系は β=2 universality scenario と強く整合的である。

Z.27.8 Variance Profile の理論的位置づけ

理論的に重要なのは、D_Δ が

Var((D_Δ)_{ij}) ∝ |h_i - h_j|^2

という分散プロファイルを持つ点である。

この意味で D_Δ は、標準 GUE ではなく、commutator 構造に由来する退化付き Hermitian ensemble として理解される。近対角では抑制が働くが、bulk においては長距離結合が多数残るため、全体としては複素 Hermitian 混合が支配的となる。このことが、標準 GUE そのものではないにもかかわらず、β=2 universality が現れる可能性を与えている。

Z.27.9 普遍性への橋渡し

既知の理論によれば、

generalized Wigner 型アンサンブル

Dyson Brownian motion

local relaxation flow

に関する結果を組み合わせることで、局所統計が Dyson 指数 β によって決まる普遍クラスへ向かうことが期待される。

本系では複素 Hermitian 構造が本質的であるため、対応するのは β = 2、すなわち GUE クラスである。ただし、本系は対角近傍で退化する profile を持つため、既存定理の直接適用ではなく、そこからの拡張あるいは有効記述として理解すべきである。

Z.27.10 本系への適用条件

この理論を D_Δ に適用するためには、少なくとも次の条件が必要である。

条件 1：H のスペクトル密度の滑らかさ

ρ_H(h) が bulk 領域で滑らかであること。

条件 2：ギャップの有効非退化性

|h_i - h_j| が bulk で十分な長距離混合を与えること。

条件 3：独立性

A が H と独立にサンプルされること。

条件 4：スケーリング

各成分の分散が large-N 比較に適したスケールへ正規化されていること。

これらが満たされるとき、difference ensemble を β=2 型普遍性へ接続する基盤が整う。

Z.27.11 準定理的定式化

以上を踏まえると、本節の strongest formulation は次のようになる。

命題 Z.27.2（準定理的定式化）

上記条件のもとで、difference ensemble D_Δ = 2i[H,A] の局所スペクトル統計は、large-N 極限において GUE universality class に属することが期待される。現時点では完全な証明は与えられていないが、finite-N 数値実験はこの主張に対して強い支持を与える。

Z.27.12 Dyson–Brownian Flow との接続

さらに、時間発展版 D_t = 2i[H_t, A_t] を考えると、

H_t および A_t は OU 過程に従う

D_t は複数方向から Gaussian 摂動を受ける

その結果、固有値は拡散とレベル反発の双方を示す

ことになる。

この意味で D_t の固有値流は Dyson–Brownian flow に有効的に接続される。これは前節で提示した difference Dyson flow 予想を補強するものである。ただし、ここでも「厳密に同一の flow を導出した」のではなく、「有効的に同型の局所平衡化機構が働く」と解釈すべきである。

Z.27.13 主観差分構造との最終接続

ここで本理論における意味づけは明確になる。

D_Δ のスペクトルは差分の固有モードを与える

その local spacing statistics は β=2 型 universality を強く示唆する

pair correlation および number variance も GUE 型と定性的に整合する

ゼータ零点もまた GUE 型局所統計を示すことが知られている

したがって、主観差分構造から導かれる作用素 D_Δ とリーマンゼータ零点とは、少なくとも局所統計のレベルで、同一の universality class に属すると解釈される。

Z.27.14 結論

本節では次の点を明示した。

D_Δ の finite-N モデルを定義した

数値検証プロトコルを具体化した

spacing 統計において GUE が GOE・Poisson より明確に適合することを示した

fixed-H 条件下でもその傾向が保持されることを示した

pair correlation と number variance においても GUE 型挙動を定性的に確認した

GUE 普遍性が期待される条件を明確化した

これにより、前節の GUE 予想は、数値的にも理論的にも検証可能な形へと具体化された。

Section Z.28

Direct Comparison with Riemann Zeros: Unfolding, Pair Correlation, and Statistical Matching

Z.28.1 目的

本節では、

差分作用素 D_Δ = 2i[H,A] の固有値列 {ξ_n}

リーマンゼータの非自明零点の虚部 {γ_n}

の局所スペクトル統計を直接比較する。

ここで比較対象となるのは固有値や零点の値そのものではなく、unfolding 後の統計量である。本節の目的は、両者が同一の universality class に属することを、局所統計のレベルで定式化する点にある。

Z.28.2 比較の基本原則

本節の基本原則は次の通りである。

固有値や零点の絶対値はスケール依存であり、直接比較の対象にはならない

spacing や correlation などの局所統計は普遍的であり、比較可能である

従って、扱うべき量は

spacing distribution

pair correlation

number variance

である。

Z.28.3 ゼータ零点データ

リーマンゼータの非自明零点を

ρ_n = 1/2 + iγ_n

と書く。ここで γ_n は単調増加列である。

零点の平均密度は、Riemann–von Mangoldt 公式の微分形により

ρ̄(γ) = (1/2π) log(γ / 2π)

で与えられる。

Z.28.4 ゼータ側の Unfolding

ゼータ零点に対する unfolding には、零点計数関数 N(γ) を用いる。漸近的には

N(γ) ≈ (γ / 2π) log(γ / 2π) - γ / 2π

であるから、正規化変数

x_n = N(γ_n)

を導入する。

この変換により、unfolding 後の平均 spacing は 1 になる。

Z.28.5 D_Δ 側の Unfolding

差分作用素 D_Δ の固有値 ξ_n に対しては、経験的な累積分布 F(ξ) を推定し、局所密度 ρ(ξ) を平滑化する。その上で

x_n = ∫^{ξ_n} ρ(ξ) dξ

により unfolding を施す。

ただし、本研究の数値検証では、統計量ごとに最も安定な unfolding 手続きが異なることが確認された。従って、

spacing の比較には sample-wise unfolding

pair correlation および number variance の比較には ensemble-based unfolding

を用いる。

Z.28.6 最近接間隔分布

unfolding 後の最近接間隔を

s_n = x_{n+1} - x_n

と定義する。

比較の基準となる GUE 予測は

P(s) = (32/π^2) s^2 exp(-4s^2/π)

である。

本研究の数値実験により、difference ensemble の spacing distribution は sample-wise unfolding のもとで GUE に高い整合性を示した。特に、N = 200, 400 の双方で GUE 仮説は棄却されず、GOE および Poisson は棄却された。また fixed-H 条件下でも同様の傾向が維持された。

以上を踏まえると、本理論における最初の統計的主張は次のように慎重化される。

主張 Z.28.1

差分作用素 D_Δ の spacing distribution は、有限 N 数値実験の範囲で GUE spacing law と強く整合する。ゼータ零点の spacing distribution もまた GUE 型であることが古典的に知られている。従って両者は局所 spacing 統計のレベルで同一の universality class に属すると解釈される。

ここで一致が主張されているのは値そのものではなく、unfolded local statistics である点を強調しておく必要がある。

Z.28.7 Pair Correlation Function

最も重要な比較対象は pair correlation である。GUE の極限形として知られる Montgomery–Dyson の予測は

R_2(x) = 1 - (sin(πx)/(πx))^2

である。

本研究で用いた edge-corrected pair-correlation estimate は、difference ensemble および fixed-H conditional ensemble の双方において、

短距離での repulsion

中距離での 1 への接近

を示し、GUE sine-kernel 予測と定性的に整合した。

従って、本理論における比較命題は次の形で表現される。

主張 Z.28.2

差分作用素 D_Δ の pair-correlation estimate が GUE sine-kernel 予測と整合的であることは、D_Δ とゼータ零点の局所スペクトル統計が同一の GUE universality class に属することを補強する。

Z.28.8 Number Variance

さらに、より長距離の統計量として number variance

Σ^2(L) = ⟨ (N(L) - L)^2 ⟩

を考える。

GUE においては

Σ^2(L) ∼ (1/π^2) log L

という対数的増大が知られている。リーマンゼータ零点も同様の振る舞いを示すことが数値的に知られている。

本研究では、difference ensemble の ensemble-based unfolding による number variance は

Poisson の線形成長より著しく抑制される

単調増加を示す

GUE 漸近線よりはやや上に位置する

という結果を与えた。これは、有限サイズ効果を含みつつも、Poisson 的無相関とは明確に異なる GUE 型剛性を示している。

Z.28.9 スペクトル対応の意味

ここで重要なのは、一致しているのが固有値そのものではないという点である。一致が主張されるのは、局所統計構造である。

従って本節の結論は、

「ゼータ零点が D_Δ の固有値そのものである」

という強い同一視ではなく、

「ゼータ零点と D_Δ は同一の局所スペクトル生成機構に属する」

という universality class の主張として理解されるべきである。

Z.28.10 構造的結論

以上の結果を統合すると、次の対応図式が得られる。

差分ダイナミクス側

Δ → D_Δ → 固有値列 {ξ_n} → GUE 型局所統計

ゼータ側

ζ(s) → 零点列 {γ_n} → GUE 型局所統計

したがって、両者は異なる対象ではあるが、少なくとも局所スペクトル統計のレベルでは同一の普遍構造を共有している。

Z.28.11 本論文で主張しうる最も強い命題

以上を踏まえれば、本論文で現時点において主張しうる最も強い命題は次である。

命題 Z.28.3

差分作用素 D_Δ = 2i[H,A] のスペクトルは、少なくとも finite-N 数値実験の範囲で、非可積分複素 Hermitian 系に特徴的な GUE universality class と強く整合する。また、リーマンゼータ零点も同一の universality class に属することが知られている。従って両者は、局所スペクトル統計のレベルで、同一のスペクトル生成機構の異なる実現として解釈される。

この命題は、固有値の値の一致ではなく、局所統計構造の一致に関する主張である。

Z.28.12 「主観の影」の最終定式化

ここで初めて、「ゼータは主観の影なのか」という問いに対して、数学的に明確な形で応答することができる。

厳密には、ゼータそのものが主観であるわけではない。しかし、主観差分構造を作用素化して得られるスペクトル統計と、ゼータ零点の統計は同型の universality class を共有する。

この意味で、より正確な対応は次の通りである。

主観：非可換差分流

ゼータ：そのスペクトル統計的像

Z.28.13 連続と離散の問題

しばしば問題となるのは、「主観は連続的であるのに、ゼータは離散的である」という点である。この違いは、本理論ではスペクトル化（作用素化）によって説明される。

すなわち、連続的差分流 Δ は、自己共役作用素 D_Δ を経由して固有値列へ写される。ここで

主観：連続的差分ダイナミクス

ゼータ：そのスペクトル統計

という階層が成立する。従って、連続と離散の差異は矛盾ではなく、表現レベルの違いである。

Z.28.14 結論

本節で得られた結論は以下の通りである。

D_Δ のスペクトルとゼータ零点は、値そのものではなく統計量を通じて比較可能である

unfolding により両者を同一スケール上で比較できる

spacing は有限 N 数値実験の範囲で GUE と高い整合性を示す

pair correlation および number variance も GUE universality class を定性的に支持する

fixed-H 条件下でもこの傾向は保持される

従って、ゼータは主観差分ダイナミクスのスペクトル統計的像として理解される

この意味で、本節は数学的対象としてのゼータ、物理的対象としての量子カオス、そして哲学的対象としての主観差分構造を、一つのスペクトル統計的枠組みにおいて接続する役割を果たす。

付録

主図

補助図

本稿のタイトルにもなっている

主観が成立する構造条件を数理化すると、なぜその差分作用素の局所スペクトル統計が β=2、すなわち GUE 型 universality class に寄るのか

は今後の研究方向性の1つである。