结果族 218：Conformal universality for weakly interacting and random-bond Ising models · 学科：Probability and statistical mechanics · 验证状态：暂无形式化证明，请以社区核验为准
工厂批量生产同一种弹簧，每件的弹力总有随机误差。把磁铁格子上每根”耦合弹簧”随机换成强版或弱版，再问：相距很远的两枚箭头步调一致的程度（关联），会随弹簧配方的不同而波动多少？这篇论文算出了波动的精确增长速度——按距离对数的 @@M@@1/4@@ 次幂缓慢爬行，正是物理学家 Shankar 在 1987 年手算预言的指数。
关键词卡片
@@M@@\mathbb E[C^2]/\mathbb E[C]^2@@，衡量”换一套弹簧配方，关联值上下跳多厉害”。看个具体例子
概念画不出图，用公式卡——定理的数字版：
@@M@@DR_\varepsilon(r)=\frac{\mathbb E[C^2]}{\mathbb E[C]^2}\approx(\log r)^{1/4}@@
代入 @@M@@r=10^6@@ 格距：@@M@@(\ln 10^6)^{1/4}\approx 13.8^{1/4}\approx 1.9@@——相隔一百万格，波动也不到两倍；而若无序真的”要紧”，这里会是约 @@M@@13.8@@ 倍。对照组：@@M@@\varepsilon=0@@ 时恒有 @@M@@R_0(r)\equiv 1@@，可见这个对数因子正是无序留下的全部痕迹。
为什么值得关心
它严格确认了二维无序的”边缘”本性：不改变普适类，只留下指数可精确到 @@M@@1/4@@ 的对数修正（定理以一组确定性参考估计为前提，属条件性结果）。
暂无形式化证明（AI 结果待核验）
第一级台阶
入门导读用”弹簧配方的随机误差”打比方。换成半数学的说法：对象是一张方格上的自旋系统，其中每对相邻自旋之间的耦合强度被独立随机地调成强版或弱版；操作是先固定一套具体的耦合取值，测量原点与远处一点两枚自旋的步调一致程度，再问这个量在不同耦合取值下的波动有多大、随距离怎样增长。
第二级台阶
用本科术语定义三个概念。固定环境下的自旋关联是在给定耦合实现的无穷体积 Gibbs 态中取乘积的期望；相对二阶矩是关联平方的期望除以关联期望的平方，度量换一套耦合后关联值的相对波动；临界温度由自发磁化转正定义，文中证明它恰是自对偶方程的唯一正解。一切矩都在热力学极限之后取。
第三级台阶
定理的语境：耦合强度为等概率两值的独立随机变量，扰动强度小于某固定阈值且固定，并显式假设另一文献的确定性临界参考估计成立——这一前提挡住了纯模型参考比较缺输入的麻烦；极限次序（先热力学、再无序矩、最后距离趋无穷）挡住了各环境归一化不同带来的歧义。结论用这些话说：物理临界点处相对二阶矩按距离对数的四分之一次幂增长，指数正是 Shankar 一九八七年的手算预言；无扰动时该量恒为一，对数因子就是无序的全部痕迹。
对键强度为独立等概率 @@M@@1\pm\varepsilon@@ 的方格 Ising 模型，在假设一组确定性临界参考估计的前提下，证明了固定环境（quenched）临界自旋关联的相对二阶矩按 @@M@@(\log r)^{1/4+o(1)}@@ 增长——这正是物理学家 Shankar 在 1987 年预言的指数，也严格确认了二维无序的”边缘”本性。
纯二维 Ising 模型的比热指数为零，恰是 Harris 判据无法裁决的边缘情形。Dotsenko–Dotsenko 由此预测随机模型比热有双对数奇性；Shalaev 论证主导临界指数不变；Shankar 与 Ludwig 进一步算出对数修正，其中 Shankar 预言自旋关联的二阶矩带因子 @@M@@(\log r)^{1/4}@@。这些重整化群计算针对热力学量与关联函数，从未有过对”归一化 quenched 关联”（先在固定环境中用各自的 Gibbs 归一化算出关联，再对键取矩）在物理临界点处的严格推导。困难在于：无序只在矩意义下小、并不一致小，且临界点本身要先被识别。此前 Chayes–Shtengel 在自对偶分布处证明了零磁化与代数下界，但不能排除临界区间。
模型取 @@M@@\xi_e=\pm1@@ 等概率、@@M@@J_e=1+\varepsilon\xi_e@@，@@M@@\varepsilon@@ 固定。临界点 @@M@@\beta_c(\varepsilon)@@ 由自发磁化阈值定义；文中证明它是方程 @@M@@\sinh(2\beta(1-\varepsilon))\sinh(2\beta(1+\varepsilon))=1@@ 的唯一正解，即分布自对偶点。对自由边界的无穷体积关联 @@M@@C_{\varepsilon,\omega}(r)=\lim_n\langle\sigma_0\sigma_{(r,0)}\rangle^{\mathrm f}_{n,\beta_c(\varepsilon),\omega}@@ 与相对二阶矩（relative second moment）@@M@@R_\varepsilon(r)=\E[C^2]/\E[C]^2@@，定理断言：存在 @@M@@\varepsilon_0>0@@，使每个固定 @@M@@\varepsilon\in(0,\varepsilon_0)@@ 满足 @@M@@\log R_\varepsilon(r)/\log\log r\to1/4@@。极限次序至关重要：先固定 @@M@@\varepsilon@@，再取每个距离的热力学极限，然后取无序矩，最后 @@M@@r\to\infty@@；@@M@@\varepsilon=0@@ 时 @@M@@R_0(r)\equiv1@@。注意定理显式假设另一文献 [ReferenceIsing] 的确定性参考估计成立。
证明采用坐标 @@M@@\log\sinh(2K_e)=t+D\xi_e@@，核心是一套多尺度阻塞（blocking）重整化。在每个尺度，有效相互作用是局部偶自旋函数之和：每格允许一个”主项”可以很大，其余项按连通集合（动物）索引、范数小且随集合大小指数衰减；每个项同时记录它作用的自旋与它依赖的原始随机变量——第二份记录正是后续”远离的两个插入的领头因子严格独立”的来源。第一个难题是输送只在高矩意义下小的相互作用：孤立的大相互作用群被积成一个正指数权，插入由其归一化条件律输送，缓冲带参考比较控制密度，衰减失效必有远处大场作证，可用独立性与高矩买单。
线性化后背景流只剩一个扩张的平均坐标（靠打靶选 @@M@@t@@ 消除，区间嵌套得温度 @@M@@t_*(D)@@）和一个中性的协方差坐标 @@M@@g_j@@（单位面积热荷方差）。非线性系数在系数章节用有限个微观能量插入计算：精确配分恒等式保持归一化荷不变，参考模型的能量与自旋算子积展开（operator product expansion）决定对数项，得 @@M@@B_0=4\pi a^2\log L@@ 与方差流 @@M@@g_j\sim(B_0j)^{-1}@@——无序坐标按尺度倒数衰减，再次严格化”边缘不相关”。
关键的新对象是被输运的自旋插入：其领头随机因子（幅度）有有界正均值，@@M@@q@@ 阶矩为 @@M@@A_{j,q}=j^{\binom q2/8+o(1)}@@；@@M@@q=1@@ 时一致有界（均值无对数修正，与 Shalaev 相符），@@M@@q=2@@ 时为 @@M@@j^{1/8}@@。读出阶段用两个反对易变量标记两个插入点，得到精确恒等式把 @@M@@r_J^{2d}\langle\sigma_{y_1}\sigma_{y_2}\rangle@@（尺度维数 @@M@@d=1/8@@）写成终端期望；主槽替换后关联分解为 @@M@@Z_J\cdot w_{J,y_1}w_{J,y_2}@@，其中 @@M@@Z_J=\widetilde\alpha_{J,y_1}\widetilde\alpha_{J,y_2}@@ 的两因子依赖互不相交的环境足印、严格独立，而联合源误差仅为 @@M@@J^{-1/8+o(1)}@@。再以半径 @@M@@J^{4/25}@@ 的增长的终端缓冲把剩余期望与参考期望比较（@@M@@q_J=r_J^{2d}\langle\sigma\sigma\rangle_0@@ 介于正常数之间），最终得 @@M@@r_J^{4d}\E C^2=J^{1/4+o(1)}@@，而 @@M@@J=\log_L\ell+O(1)@@，即 @@M@@R_\varepsilon(r)=(\log r)^{1/4+o(1)}@@。同法还给出高阶有线臂估计 @@M@@\E[\phi^{\mathrm w}(y\leftrightarrow\partial\Lambda_n)^{400}]\le n^{-400/8+o(1)}@@。最后过渡章节用扭转环面配分函数把调出的参数定位在自对偶点，乘积空间影响力不等式与随机壳层探索证明阈值两侧磁化为零与为正。部分张量估计的技术细节此处从略。
本文主结果暂无 Lean 形式化证明，且定理以引用文献 [ReferenceIsing] 的确定性参考估计为前提，属条件性结果。它与族内两篇姊妹篇共享同一套尺度重整化技术：姊妹篇证明临界接口的 quenched @@M@@\mathrm{SLE}_3@@ 收敛（几何普适性），本文则量化无序留下的对数涨落痕迹，二者互补地刻画”边缘但不改变普适类”。按 OpenAI 官方声明，未经形式化的结果可能有问题，请以社区核验为准。
问 1：证明中最脆弱的一步是哪里？
（答：readout 阶段的因子分解——用两个反对易变量标记插入点，把关联写成终端期望并分解为随机幅度因子之积，两因子依赖互不相交的环境足印故而独立，联合源误差为尺度数的负八分之一次幂。指数 1/4 完全由幅度二阶矩（尺度的 1/8 次幂）平方而来，这一连串幂次簿记一旦有一处算错，结论就偏。）
问 2：为什么极限次序不能交换？
（答：每个环境的 Gibbs 归一化各不相同，关联先取热力学极限再取无序矩才是 quenched 对象；交换次序会得到 Annealed 型的量，其涨落性质不同。论文显式固定”先热力学、再矩、最后 r→∞”的次序。）
问 3：定理是条件性的，那个前提假设挡住了什么？
（答：主定理显式假设另一文献的确定性临界参考估计（如能量算子积展开系数、终端缓冲带内的参考比较）成立。没有它，半径按尺度幂次增长的缓冲带中剩余期望与参考期望的比较就没有输入。论文本身不提供这些纯模型估计。）
问 4：与已有严格结果相比真正的新意是什么？
（答：Chayes–Shtengel 只证自对偶分布处零磁化与下界，不能排除临界区间；本文首次对物理临界点处的归一化 quenched 关联导出 Shankar 预言的对数修正指数 1/4，并顺带证明临界点与自对偶点重合、均值无对数修正（与 Shalaev 相符）。）
问 5：AI 生成证明最可能出错的模式？
（答：一是条件依赖被埋没——若引用的参考估计有误或根本未被证明，主定理成空；二是多尺度乘性级联的矩指数在组合数与尺度维数之间反复换算（此处涉及八分之一类指数），符号与下标错配不易自查；三是论文自承部分张量估计细节从略，恰好是审稿最该盯的缝隙。）
问 6：下游谁会用到？
（答：它与族内姊妹篇共享同一套阻塞重整化机制，给出高阶有线臂矩估计这类几何输入可供接口收敛论证使用；物理上把”边缘不相关但留对数痕迹”的图像做成可检验的定量定理。）
总评
把一九八七年的物理预言做成带精确指数的严格定理，是结果族里定量含量最高的一环；但它是双重条件性的——依赖外部参考估计且未形式化，指数簿记是最大风险点。