结果族 227：Critical SK autocorrelation processes and dynamics across the temperature transition · 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
想象一台”记忆测量仪”：让系统自然演化，定时拍快照，统计此刻与稍早的相似程度。前一篇是给从混乱中”骤冷”的系统测量；这篇是同一台仪器的”平衡态版”——从系统已经热身完毕的平稳状态开始读数。论文证明：整条记忆衰减曲线（不只是某个固定时刻）在精确重整后收敛到一条极限曲线，而这条曲线仍因样本而异，并非所有系统共享一条”平均曲线”。
关键词卡片
@@M@@\beta=1@@ 处以 @@M@@n^{2/3}@@ 计时、以 @@M@@n^{1/3}@@ 计幅的观测窗口。看个具体例子
公式卡：临界重整 @@M@@A_{n,J}(s)=n^{1/3}\,C_{n,J}(s\,n^{2/3})@@ 依律收敛到 @@M@@\mathcal A@@，其中 @@M@@\mathcal A(s)=\sum_a\langle x_a,\,e^{-s\,c_*H}\,x_a\rangle@@ 由 GOE 边缘过程的实现决定。数字版定理：@@M@@n=10^6@@ 时幅度乘 100、时间乘 10000；两次实验的随机矩阵谱边缘不同，得到的极限曲线就不同——这正是”随机极限、非点质量”的含义。极限函数几乎必然非负、不增且最终衰减到零。
为什么值得关心
它把数值物理猜想的有限尺寸标度 @@M@@n^{-1/3}F(t/n^{2/3})@@ 严格化，确认单样本曲线不集中于平均，也是同族淬火姊妹篇的直接输入。
暂无形式化证明（AI 结果待核验）
第一级台阶
入门导读把这篇比作”记忆测量仪的平衡态版”。翻译过来：对象还是那块随机耦合的玻璃态磁铁，但这回从已经热身完毕的平稳状态开始读数——系统先放到平衡，再开动同样的逐格点随机翻转时钟；操作是定时拍快照，统计此刻与稍早构型的平均相似度。导读要我们注意的转折是：观察对象不是某个固定时刻的一个数，而是整条记忆衰减曲线在精确重整后的极限形状，而且这条极限曲线仍随样本而变，不存在人人共享的”平均曲线”。
第二级台阶
用本科术语：SK 模型是 n 个 ±1 自旋在随机耦合 Hamiltonian 下的 Gibbs 测度，热浴动力学是它的可逆马尔可夫半群；平稳自相关 C_n(t) 即各自旋在该半群下的平均内积。临界重整取 A_n(s)=n^{1/3}C_n(sn^{2/3})：时间以 n^{2/3} 计、幅度放大 n^{1/3}。随机性的最终来源是 GOE 上边缘过程——相互作用矩阵最大特征值附近 n^{2/3}(2−λ) 的普适涨落极限；收敛空间取正时间上局部一致收敛的连续函数空间。
第三级台阶
定理陈述：存在该函数空间上的 Borel 概率律 Q_crit，使高斯与 Rademacher 两类耦合下 A_n 都依律收敛到它；Q_crit 不是点质量，它赋予非零、非负、不增且最终趋零的函数概率一，且固定时刻极限值的支撑无界。假设挡住的麻烦：收敛限定正时间——时刻零处重整值为 n^{1/3} 发散；两篇姊妹稿提供的尺度与混合指数只是指数级陈述，识别不了固定倍数临界时刻上的动力学，须由本文补足定量改进与极限能量的识别。极限的显式形态：以边缘过程为参数取条件边缘测度（独立高斯坐标在重整平方约束下），其柱面梯度 Dirichlet 形式的闭包生成算子决定弛豫，唯一确定性微观系数由一个可定矩问题刻画。
严格证明了 SK 自旋玻璃在临界温度 @@M@@\beta=1@@ 处的平稳自旋自相关函数在 @@M@@n^{1/3}@@ 重整与 @@M@@n^{2/3}@@ 时间尺度下收敛到一个普适的随机泛函极限：高斯与拉德马赫（Rademacher）耦合给出同一极限律，且该极限非退化——样本间随机性被保留。
平衡自相关衡量系统在平稳动力学下”记住”初始构型多久。SK 模型（Sherrington–Kirkpatrick，1975）在临界温度处记忆的时间尺度随自旋数 @@M@@n@@ 发散，临界慢化使 @@M@@n^{2/3}@@ 成为正确的窗口。Billoire–Campbell 2011 年的数值实验早已猜测有限尺寸标度形式 @@M@@q_c(n,t)\sim n^{-1/3}F(t/n^{2/3})@@，但无序平均的标度曲线并不能回答单样本曲线是否集中。此前的高温混合结果（如 @@M@@\beta<1/2@@ 的谱隙与多项式混合）都到不了端点 @@M@@\beta=1@@；两篇姊妹手稿分别确定了 @@M@@n^{2/3}@@ 协方差尺度与匹配的混合指数，但指数陈述本身无法识别固定倍数临界时刻上的动力学。剩下的核心问题是：单样本的整条自相关曲线收敛到什么？极限还随机吗？
模型为零场 SK 的 Gibbs 测度 @@M@@\pi_{n,J}(\sigma)\propto\exp\{n^{-1/2}\sum_{i<j}J_{ij}\sigma_i\sigma_j\}@@，每格点速率为一的热浴（heat-bath）时钟。定义平稳自相关 @@M@@C_{n,J}(t)=\frac1n\sum_i\langle\sigma_i,P_t^J\sigma_i\rangle_{\pi_{n,J}}@@ 及其临界重整 @@M@@A_{n,J}(s)=n^{1/3}C_{n,J}(sn^{2/3})@@。定理证明：存在 @@M@@C_{\mathrm{loc}}((0,\infty))@@ 上的 Borel 概率律 @@M@@Q_{\mathrm{crit}}@@，使得无论 @@M@@J_{ij}@@ 取高斯还是 @@M@@\{\pm1\}@@ 均匀（拉德马赫）律，@@M@@A_{n,J}@@ 都依律收敛到 @@M@@Q_{\mathrm{crit}}@@，且收敛在紧正时间区间上一致。@@M@@Q_{\mathrm{crit}}@@ 不是点质量：它赋予非零、非负、非增且趋于零的函数以概率一；在每个固定正时刻，极限值的支撑无界。极限有显式描述：以 GOE 上边缘过程（edge process）@@M@@g@@ 为参数，取条件边缘测度（conditioned edge measure）@@M@@\Pi_g@@——即方差为 @@M@@l_a=(g_a+b)^{-1}@@ 的独立高斯坐标在重整平方约束 @@M@@\sum_a(x_a^2-l_a)=D(b)@@ 下的条件律——上的柱面梯度 Dirichlet 形式，其闭包生成算子 @@M@@H_\Pi@@，极限函数为 @@M@@\mathcal A(s)=\sum_a\langle x_a,e^{-sc_*H_\Pi}x_a\rangle_\Pi@@，其中 @@M@@c_*>0@@ 是由一个可定的矩问题（moment problem）刻画的确定性微观系数。
证明先处理高斯耦合：补一条独立 GOE 对角线不改变 Gibbs 律，于是相互作用矩阵化为 GOE，谱坐标 @@M@@x=n^{-1/3}U^{\mathsf T}\sigma@@ 分离出上边缘涨落。出发点是预解式迹（resolvent trace）@@M@@B_n(z)=\sum_a\langle x_a,(z+n^{2/3}H)^{-1}x_a\rangle@@——它正交基无关，且恰是 @@M@@A_{n,J}@@ 的拉普拉斯变换，故先证迹收敛、再恢复紧区间上的函数收敛。但平衡收敛不直接够用，原因有二：边缘坐标上的函数可借微小修正降低 Dirichlet 能量；有限个坐标的收敛控制不住自相关中对全部坐标的求和。第一步在尺度 @@M@@p@@ 处做谱盖帽观测（spectral cap）：把超过 @@M@@2-p^2@@ 的特征值截平并把截去部分变成观测精度，后验即化为盖帽相互作用加外场；借助 Comets 式特征标架平均把立方体后验均值与球模型鞍点比较，把条件方差界磨到无幂损失的 @@M@@p^{-2}@@ 阶。第二步证明这些光滑化的斜率收敛为 @@M@@\Pi@@ 上的弱梯度，其定义域恰为光滑柱面函数的闭包，从而识别出条件测度上的闭能量形式。第三步处理微观修正：固定阶压缩给出 @@M@@[0,\infty)@@ 上确定性正测度 @@M@@\omega@@，多项式逼近分离出其零点原子 @@M@@c_*=\omega(\{0\})@@，对极限形式 @@M@@c_*\int|\nabla F|^2\,d\Pi@@ 同时给出下界与可达的恢复序列。第四步用向量分部积分界住预解式迹的尾部，系数的可和衰减使有限坐标收敛足以控制整个可观测量。最后对拉德马赫耦合做 Lindeberg 型比较：由于可观测量同时依赖 Gibbs 律与生成元，先转移一个由二次自旋特征构造的迹，其消失性恰好控制自旋迹的四阶余项——正是这一阶数的安排让四阶矩不同的两类耦合共享同一极限。
本文主结果无 Lean 形式化证明，属 OpenAI 预印本，官方声明未经形式化的结果可能存在问题，请以社区核验为准。它依赖同族姊妹篇（临界慢化与临界混合两份手稿）提供的 @@M@@n^{2/3}@@ 尺度与盖帽—球面比较输入，而其识别出的平稳极限 @@M@@A_g@@、条件测度 @@M@@\Pi_g@@ 与系数 @@M@@c_*@@ 又是淬火姊妹篇《Universality of critical quench autocorrelations》的直接输入，三者在结果族 227 中构成承重链。
问 1：证明中最关键、最脆弱的一步是什么？
| （答：微观系数 c_* 的识别。固定阶压缩给出 [0,∞) 上确定性正测度 ω，多项式逼近分离其零点原子 c_=ω({0})，须对极限能量形式 c_∫ | ∇F | ²dΠ 同时给出下界与可达的恢复序列。论文自陈难点：边缘坐标上的函数可借微小微观修正降低 Dirichlet 能量——若原子识别有误或恢复序列构造失败，极限动力学的速率整体就错了，而框架表面仍自洽。） |
问 2：既然谱坐标的平衡收敛已知，为什么还不直接得到定理？
（答：introduction 列了两个独立缺口：一是上述微观修正降能量问题，二是自相关要对全部坐标求和，有限个边缘坐标的收敛控制不住整条求和。证明用尺度 p 的谱盖帽观测（把超过 2−p² 的特征值截平转为观测精度）磨出无幂损失的 p^{-2} 阶条件方差界，再用向量分部积分界住预解式迹的尾部，才把有限坐标收敛升级为整条可观测量收敛。）
问 3：与已有工作相比真正的新意？
（答：Billoire–Campbell 2011 的 n^{-1/3}F(t/n^{2/3}) 只是数值拟议，且无序平均曲线回答不了单样本是否集中；此前高温混合结果（β<1/2 谱隙、多项式混合）到不了端点 β=1；两篇姊妹稿只给尺度与指数。本文首次识别临界端点上平稳动力学的函数极限律、闭能量形式与系数，并证两耦合普适。）
问 4：Rademacher 普适的比较为什么比标准 Lindeberg 微妙？
（答：可观测量同时依赖 Gibbs 律与生成元，不能直接替换。论文先转移一个由二次自旋特征构造的迹，其消失性恰好控制自旋迹的四阶余项——正是这一阶数安排让四阶矩不同的高斯与符号耦合共享极限。顺序颠倒或特征选错，替换误差就不消失。）
问 5：AI 生成证明最可能出错的模式？
（答：高危在定量细节而非框架：盖帽估计磨到无幂损失 p^{-2}（关键动作”先平均曲率误差、再压缩到更小随机谱子空间”次序敏感）；矩问题可定性与原子分离的多项式逼近；分部积分系数的可和衰减。这类错误只改变常数或丢失一个对数，不动摇结构，模拟与特例都难以察觉。）
问 6：这个结果谁会用到？
（答：它是结果族 227 的承重件：识别出的平稳极限函数、条件边缘测度与系数 c_* 是淬火姊妹篇的直接输入；与谱隙篇（β<1）和 cutoff 篇一起拼出跨温度转变的动力学图景；数值物理的临界慢化研究由此获得单样本标度律的严格版本。论文未讨论低温相或外场情形。）
总评
把十年数值猜想升格为带显式随机极限的严格定理，条件测度上的闭能量形式设计相当漂亮；最大风险集中在系数识别与无幂损失估计的执行细节，且 Gaussian 段依赖两篇姊妹稿的输入成立。