结果族 219：GOE bulk universality for regular graphs with weak Anderson disorder · 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
一支百万人的队伍，每人只认识固定 @@M@@d@@ 位朋友（关系网稀疏），却要求整支队伍的”关系谱”排布得像所有人被随机充分混合的稠密网络——听起来荒唐，但本文证明它成立：均匀随机 @@M@@d@@-正则图的邻接矩阵在谱带内任一固定能量处的微观统计就是 GOE，连三次图（@@M@@d=3@@）也不例外，且结论沿一切容许的顶点数成立，不附加连通性等任何条件。
关键词卡片
@@M@@d@@ 条边、均匀抽取的图。@@M@@d@@-正则树的谱密度，是展开特征值的天然刻度尺。看个具体例子
公式卡——密度与数字版定理：
@@M@@D\rho_d(t)=\frac{d\sqrt{4(d-1)-t^2}}{2\pi(d^2-t^2)},\qquad \sum_i\delta_{\,n\rho_d(E)(\lambda_i-E)}\ \to\ \Xi^{\mathrm{GOE}}@@
代入 @@M@@d=3@@、@@M@@E=0@@：@@M@@\rho_3(0)=3\sqrt{8}/(2\pi\cdot 9)\approx 0.150@@。若图有 @@M@@n=10^6@@ 个顶点，@@M@@0@@ 附近的平均间距约 @@M@@1/(n\rho)\approx 6.7\times10^{-6}@@；展开后间距归一，局部排布与 GOE 完全一致。换句话说，特征值既不更挤也不更散，恰好是教科书里的正弦核统计。
为什么值得关心
它补上了 Bourgade–Huang 猜想留下的最后缺口：单个固定能量处的完整点过程极限，而不再是能量平均意义下的统计。稀疏与稠密两个世界，在谱的显微镜下合二为一。
暂无形式化证明（AI 结果待核验）
第一级台阶
入门导读说：百万人各识固定 d 位朋友，关系谱却排布得像充分混合的稠密网络。换成半数学语言：对象是一张均匀抽取的固定度网络和它的关系矩阵——每行恰好 d 个非零元；操作是把矩阵的全部特征值摆在数轴上，按局部密度重新标定间距后，放大某个固定位置看点值的排布。要问的是：如此稀疏的矩阵，其微观谱统计是否与稠密高斯矩阵完全一致。
第二级台阶
用本科术语定义概念。Kesten–McKay 分布是无穷 d-正则树的谱密度，给出展开特征值的天然标尺；展开点过程指用该密度在目标能量处的值重标特征值位置，使平均间距归一；GOE 体过程是实对称高斯矩阵谱内部的极限点过程；收敛用拉普拉斯泛函表述——对一切非负紧支撑连续检验函数的指数期望之差趋于零。
第三级台阶
定理的语境：度数固定不小于三，能量取在开 Kesten–McKay 谱带内部。这两个假设各挡一种麻烦——把熵亏乏转化为逐阶矩匹配的严格张量不等式是一个依赖谱带开性与度数至少三的有限维事实；能量远离谱边则避开边缘处不同的普适类，且展开密度在那里不退化。结论用这些话说：每个这样的固定能量处，展开点过程的拉普拉斯泛函收敛到 GOE 体参考过程，沿一切容许图规模成立，不附加连通性、二部性等任何条件——这正是 Bourgade–Huang 猜想二点一一的固定能量版本。
证明固定度体普适性猜想：对每个固定整数 @@M@@d\ge3@@（含三次图），均匀随机 @@M@@d@@-正则图邻接矩阵在 Kesten–McKay 谱带内任一固定能量处的展开点过程收敛到 GOE 体过程，沿一切容许规模成立且无需任何附加条件。
随机正则图即使顶点数趋于无穷仍是稀疏的：邻接矩阵每行恰有 @@M@@d@@ 个非零元，然而人们预期其体特征值具有实对称高斯矩阵（GOE）的局部统计。这一预言由 Jakobson–Miller–Rivin–Rudnick 提出并有数值支持；在固定度下尤为惊人——局部树几何始终存在，特征值统计却要与稠密高斯矩阵一致。此前进展：Bauerschmidt–Knowles–Yau 对增长的度数建立局部律；BHKY（2017）在多项式增长的度范围内证明体间隙普适性与能量平均相关普适性；Huang–Yau 把局部律、刚性与完全离域推广到一切固定 @@M@@d\ge3@@；Huang–McKenzie–Yau 进一步在固定度下证明最优刚性与谱边 GOE 普适性；Bourgade–Huang 用回路方程处理 @@M@@(\log n)^{24}\ll d\le n^{1/2}@@，并在其猜想 2.11 中留下固定度情形。本文正是解决这一最后缺口：在单个固定能量处识别完整微观点过程律，而非能量平均统计。
定理：对每个固定整数 @@M@@d\ge3@@、每个固定能量 @@M@@E\in(-2\sqrt{d-1},\,2\sqrt{d-1})@@（开 Kesten–McKay 体）以及每个非负紧支撑连续函数 @@M@@h@@，有 @@M@@\bigl|\mathbb E e^{-\int h\,d\Xi_{n,d,E}}-\mathbb E e^{-\int h\,d\Xi_n^{\mathrm{GOE}}}\bigr|\to0@@。这里 @@M@@\Xi_{n,d,E}=\sum_i\delta_{\,n\rho_d(E)(\lambda_i-E)}@@ 以 Kesten–McKay 密度 @@M@@\rho_d(t)=\frac{d\sqrt{4(d-1)-t^2}}{2\pi(d^2-t^2)}@@ 展开特征值，@@M@@\Xi_n^{\mathrm{GOE}}@@ 是归一化 GOE 特征值按 @@M@@(n/\pi)@@ 缩放后的单位强度参考过程。收敛沿一切容许规模 @@M@@n@@ 成立，不附加连通性、二部性等任何图条件；结合 GOE 参考过程的依律收敛，这识别了完整局部点过程极限，即 Bourgade–Huang 猜想 2.11 的固定能量 Laplace 泛函版本。
证明分四步，灵魂在于把有限图的离散切换对称与特征向量端点值的高斯性结合成极限律上的精确连续对称，再注入 GOE 噪声并用 Dyson Brownian 运动完成识别。
先证定量高斯标记。把特征向量按 @@M@@\|u_i\|^2=n@@ 规范化，在均匀采样有向边的两端读取坐标，称每个采样边及其两个端点坐标为一个通道（channel）；对靠近 @@M@@E@@ 的任意有限个特征向量，可证这些采样值的任意固定阶联合矩以多项式精度逼近高斯矩：均值为零、方差为一、各特征向量之间独立、同一条边两端的协方差为 @@M@@E/d@@。技术核心是 Backhausz–Szegedy 熵方法的定量强化：染色星计数不等式经高斯平滑变成熵不等式，树对数势算出熵代价，一个严格张量不等式再按 Hermite 阶数归纳，把熵亏乏转化为逐阶矩匹配；其严格性是一个有限维张量事实，依赖体的开性与 @@M@@d\ge3@@。
再取微观极限。用双边切换（two-edge switch）与上述矩估计控制大微观高度处的 resolvent，抽取带有高斯端点标记的 subsequential 点过程；极限 resolvent 有对称主值（principal value）表示，点计数与常数密度之间有幂次节约的偏差。
然后是连续切换与高斯插入，最具原创性的一步。有限图的切换只给出置换作用；但极限律的端点标记是高斯的，在正交旋转下不变，于是由反射生成整个正交群 @@M@@O(k)@@：极限律在精确的解析变换 @@M@@\mathcal T_O@@ 下不变。再在极限律内部让通道数 @@M@@k=2r@@ 增大：取 @@M@@r@@ 个小角度 @@M@@\theta@@ 的平面旋转，总方差 @@M@@T=r\theta^2@@；经两轮截断——外位置删除靠主值尾对消，内块靠加权 Bernstein 与 Schur 补估计——切换后的迹化为有限对角矩阵被 @@M@@4r@@ 个小秩一项之和扰动；Lindeberg 型逐项替换把秩一和换成 GOE 噪声，得到 @@M@@H_r=D_I+s_1\mathrm I+\sqrt{s_2}\mathcal W@@，其特征值点过程收敛到同一极限律。
最后用固定能量 DBM 识别。验证 Landon–Sosoe–Yau 定理所需的正则性假设；用 Rouché 定理与自由卷积（free convolution）把比较密度精确归一到 @@M@@1/\pi@@；GOE 紧区间计数的指数矩经 Forrester–Rains 高斯削减（decimation）化为行列式 Hermite 核的界；Bonferroni 有限包容排斥括号把各阶相关函数比较一致地升级为 Laplace 泛函收敛。取极限的次序很关键：先让 @@M@@n\to\infty@@（固定标记数与谱窗），再在极限律内部令 @@M@@r\to\infty@@，最后提升括号阶数，因此有限图阶段只需固定维数、固定矩阶的高斯逼近。
主结果暂无形式化证明，请以社区核验为准。本文是本结果族的基石：姊妹篇（弱 Anderson 无序版）明确声明改编本文的组合熵与高斯插入论证，把谱输入换成带环境的无穷树理论后得到无序推广；两文在”熵—插入—DBM”框架上互相印证其稳健性。按 OpenAI 官方声明，未经形式化的结果可能有问题，引用前宜等待社区核验。
问 1：证明中最具原创性也最脆弱的一步是哪里？
（答：连续切换与高斯插入。有限图的边切换只给置换对称；但极限律的端点标记是高斯的，在正交旋转下不变，于是由反射生成整个正交群，得到极限律上的精确连续切换恒等式，再在极限律内部令通道数增大、以许多小角度旋转注入 GOE 噪声。其中两轮截断——外位置删除靠主值尾对消、内块靠加权 Bernstein 与 Schur 补估计——是全文命门，一处失控则秩一扰动和不可有界。）
问 2：为什么必须 d≥3 且能量在开谱带内？
（答：把熵亏乏逐阶转化为高斯矩匹配的严格张量不等式是有限维张量事实，其严格性依赖谱带的开性与 d≥3；度为二时图退化为圈，谱是可积的三角型，树状分支消失。能量贴近谱边时 Kesten–McKay 密度的平方根因子消失，展开与正则性论证双双失效——边缘另有普适类。）
问 3：与 BHKY、Bourgade–Huang 相比真正新意是什么？
（答：BHKY 只有多项式度范围内的间隙与能量平均统计；Bourgade–Huang 用回路方程处理对数增长以上的度，并在猜想 2.11 留下固定度固定能量问题。本文在单个固定能量处识别完整微观点过程律，谱输入只需 Huang–Yau 的光滑化局部律，靠特征向量高斯性补足非光滑统计。）
问 4：取极限的次序为何那样排？
（答：先图规模趋无穷（固定通道数与矩阶），再在已构造的极限律内令通道数趋无穷，最后提升包容排斥括号阶数。这使有限图阶段只需要固定维数、固定矩阶的高斯逼近——多项式精度的矩估计恰恰只在固定阶可用，颠倒次序则矩估计失效。）
问 5：AI 生成证明最可能出错的模式？
（答：严格张量不等式按 Hermite 阶归纳、用 Rouché 定理与自由卷积把比较密度精确归一到一比π、Forrester–Rains 高斯削减化为行列式 Hermite 核的指数矩界——这些精确抵消与核界是重灾区；且结论依赖 Landon–Sosoe–Yau 定理假设的逐条核对，条件错用不会显式报错。）
问 6：谁会用到它？
（答：它是结果族基石，姊妹篇 Anderson 无序版明确改编本文的组合熵与高斯插入论证；对稀疏随机矩阵社区，这是固定度谱统计版图的收官，也为圈图上的特征值间距问题提供参照。）
总评
正面解决 Bourgade–Huang 公开猜想，”离散切换对称升级为连续正交对称再注入 GOE 噪声”的机制是真正的原创；最大风险集中在截断估计与行列式核界的常数管理，未形式化前应按待核验对待。