结果族 238：Optimal logarithmic mixing of the Thorp shuffle · 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
审校一部十万字的书稿，只抽查八分之七的篇幅就宣布”零差错”，你敢签字吗？排列世界里也有伪装者：全体偶排列上的均匀分布，在任何 @@M@@n-2@@ 张牌身上都表现得完美均匀，唯独奇偶性会露馅。这篇论文造了一台通用检测机：只要”抽查大部分牌接近均匀”再加”奇偶归零”这一条，整副牌就真的均匀——两个独立同律排列相乘即可。
关键词卡片
@@M@@k@@ 个标签放进位置的基准分布。看个具体例子
设 @@M@@n=8000@@，随机抽 @@M@@7n/8=7000@@ 张牌。数字版定理：若这批牌的像在平均总变差下接近均匀注入、且符号均值为 @@M@@o(1)@@，则两个独立同律排列的乘积满足 @@M@@\|\mu^{*2}-U\|_{\mathrm{TV}}\to0@@——”抽查大部分 + 验一下奇偶”，两步就能断定全书无错。
为什么值得关心
它是 Thorp 洗牌证明链里的”变速箱”：姊妹篇们产出的边际估计经它升级为整副牌混合；轨道与等型两条独立证明路线还能互相校验机器本身。
暂无形式化证明（AI 结果待核验）
第一级台阶
导读的”抽查八分之七书稿就敢签字吗”剥开后是：一个排列可以在绝大多数牌上看起来完全均匀、实际上远非如此——全体偶排列上的均匀分布在任何 @@M@@n-2@@ 张牌身上都无懈可击，只有奇偶性会出卖它。本文造的是一台通用检测机：只要”大部分牌接近均匀”与”奇偶归零”两条同时成立，整副牌就真的均匀。
第二级台阶
精确化：把 @@M@@n@@ 个标签分成 @@M@@b@@ 块，在块外恒等的置换构成块子群，其在全群中的左陪集记录”这一块补集的牌都到了哪”。分布若在每个陪集上的质量不超过均匀值的固定倍数，称为满足陪集封顶。分布经群的同构表示变换得到 Fourier 系数矩阵，其范数小即接近均匀；符号表示是记录奇偶性的一维表示，也是抽查唯一看不见的暗门。
第三级台阶
定理是抽象的、不绑定任何洗牌模型：当 @@M@@n@@ 沿 @@M@@8@@ 的倍数增大，若均匀随机抽的 @@M@@7n/8@@ 张牌的像组在平均总变差下接近均匀注入分布、且符号均值趋于零，则两个独立同律排列的乘积收敛到全群均匀分布。发动机是核心不等式：满足陪集封顶 @@M@@B@@ 的测度，其 Fourier 系数的 Hilbert–Schmidt 范数平方不超过 @@M@@bBC_uD^{-1+(u+2)/b}@@，其中 @@M@@D@@ 是表示维数、@@M@@C_u@@ 是有限的互逆维数和。封顶假设挡住质量在个别陪集的堆积，符号假设堵住抽查的盲区；取 @@M@@b=8@@、@@M@@u=1@@ 后两次卷积即足以收敛——这比只控算子范数的轨道路线省了一半。
证明一条抽象传递定理：当 @@M@@n@@ 沿 8 的倍数增大时，若均匀随机 @@M@@7n/8@@ 张牌的像在平均总变差下接近均匀注入分布、且符号均值趋于零，则两个独立同律排列的乘积收敛到 @@M@@S_n@@ 上的均匀分布，把”部分置换信息”升级为”全牌混合”。
一个排列可以在绝大多数标签上看起来均匀、却远非均匀：交错群（alternating group）上的均匀分布在任何至多 @@M@@n-2@@ 张牌的像上都均匀，障碍正是奇偶性（符号表示）。因此”部分置换信息何时能控制整个排列律”需要额外论证。动机来自 Thorp 洗牌：姊妹篇们能够证明”大部分牌的联合位置接近均匀”这类边际估计，本篇提供从这类估计通往全群收敛的通用表示论机器，延续 Diaconis–Shahshahani 分析随机游走的 Fourier 方法传统，但不预设任何具体洗牌模型或物理时间。
主定理（互补陪集控制 Fourier 矩阵）：把 @@M@@n@@ 个标签分成 @@M@@b@@ 块，@@M@@H_i@@ 为在块外恒等的块子群；若非负测度 @@M@@f@@（质量至多 1）在每个左陪集上满足封顶 @@M@@f(gH_i)\le B/[G:H_i]@@，则对任意 @@M@@u>0@@ 与任意维数 @@M@@D@@ 的不可约表示 @@M@@\rho@@，有 Hilbert–Schmidt 范数平方界 @@M@@\|\widehat f(\rho)\|_{\mathrm{HS}}^2\le bBC_uD^{-1+(u+2)/b}@@，其中 @@M@@C_u=\sup_m\sum_{\lambda\vdash m}D_\lambda^{-u}@@ 是有限常数（互逆维数和；去掉平凡与符号表示后趋于零，文中给出初等证明）。主要推论：@@M@@n\to\infty@@ 经过 8 的倍数时，若 @@M@@\mu_n@@ 的均匀随机 @@M@@7n/8@@ 张牌像组的平均总变差误差为 @@M@@o(1)@@、且符号均值为 @@M@@o(1)@@，则 @@M@@\|\mu_n^{*2}-U\|_{\mathrm{TV}}\to0@@；只用较弱的轨道路线则需要四次卷积。
核心困难是限制的多重性（multiplicity）：把 @@M@@\rho@@ 限制到 @@M@@H_1\times\cdots\times H_b@@ 后分解为张量类型 @@M@@(V_{\tau_1}\otimes\cdots\otimes V_{\tau_b})\otimes\mathcal A@@，多重空间 @@M@@\mathcal A@@ 可以任意大。第一条轨道引理破解了它：单个向量的轨道张成维数至多为各类型维数的平方和，因为群在某一类型的所有拷贝上的作用都是 @@M@@\tau\otimes I@@，轨道落在维数 @@M@@a^2@@ 的矩阵空间 @@M@@\operatorname{End}(V_\tau)@@ 的像里——多重性放大环境空间，却不放大移动一个固定向量所需的矩阵空间。
先看轨道证明：每个张量类型的因子维数乘积不超过 @@M@@D@@，必有某因子维数不超过 @@M@@D^{1/b}@@；把整个同构分量指派给一个小因子，得到正交分解 @@M@@V_\rho=E_1\oplus\cdots\oplus E_b@@。固定 @@M@@v_i\in E_i@@，其轨道张成 @@M@@W_i@@ 的维数用 @@M@@C_u@@ 控制为至多 @@M@@C_uD^{(u+2)/b}@@。再用 Schur 引理：对均匀群平均的投影满足 @@M@@\mathbb E_U\rho(g)\Pi_i\rho(g)^*=(\dim W_i/D)I@@；陪集封顶把这一均值转换成对 Fourier 系数的逐向量界。
第二条 isotypic 证明更强，控制整个矩阵：用子群中心幂等元 @@M@@e_{H,\tau}=\frac{a}{|H|}\bar\chi_\tau@@ 做卷积，它在每个陪集内单独作用，陪集式 Plancherel 恒等式给出对所有环境不可约表示求和的平方范数界 @@M@@Bza^2@@（@@M@@z@@ 为质量）；小类型投影满足覆盖不等式 @@M@@I\preceq\sum_i\sum_{\tau}\ P_{\rho,H_i,\tau}@@，对正算子 @@M@@\widehat f(\rho)^*\widehat f(\rho)@@ 取迹即得全矩阵界。Hilbert–Schmidt 范数控制整矩阵时，正则表示的权重是 @@M@@D@@ 而非 @@M@@D^2@@，这正是卷积次数从四降到二的原因。
应用链条为：平均边际假设先选出八块划分（误差之和 @@M@@o(1)@@），修剪出公共的次概率测度（质量 @@M@@1-o(1)@@、陪集封顶 1），取 @@M@@b=8@@、@@M@@u=1@@ 得平方界 @@M@@8C_1D^{-5/8}@@；两次卷积后非符号贡献以 @@M@@(8C_1)^2\sum D^{-1/4}@@ 计趋于零，符号与丢失质量另行消去。论文其余部分把同一框架推广到双侧（像与逆像）控制、等变核、逐排列选择省略集、熵比较与稀有事件条件化、以及半副牌的条件乘积结构（带符号 tabloid 基）等多种部分信息类型，并明确区分各假设的适用范围。
本篇是族内的”抽象机器”篇：不证明任何洗牌混合的数值结论，只建立从部分信息到全群收敛的传递定理；姊妹篇”随机坐标架”的 @@M@@512d@@ 推论即引用本篇的同构估计与互逆维数和结果。主结果尚未形式化，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。互逆维数和的初等证明与 Liebeck–Shalev 的 Witten zeta 渐近相互对照，且轨道与 isotypic 两条证明路线彼此独立，可互相校验。
问 1：符号均值趋于零这个假设为什么绝对不能去掉？
（答：交错群上的均匀分布是活生生的反例：它在任何至多 @@M@@n-2@@ 张牌的像上都精确均匀，边际信息完美无瑕，却与全群均匀相差总变差 @@M@@1@@。奇偶性是部分信息唯一看不见的自由度，不单独封住它，任何传递定理都会被这个伪装者击穿。）
问 2：证明中最关键也最脆弱的一步是什么？
（答：限制的多重性驯服。把维数 @@M@@D@@ 的不可约表示限制到 @@M@@b@@ 个块子群之积，多重空间可以任意大，表面上看不出维数控制从何而来。轨道引理的洞见是：群在某类型所有拷贝上的作用都是 @@M@@\tau\otimes I@@，单个向量的轨道落在维数 @@M@@a^2@@ 的矩阵空间 @@M@@\operatorname{End}(V_\tau)@@ 的像里——多重性放大环境空间，却不放大移动一个固定向量所需的矩阵空间。这一步错，全矩阵界与逐向量界都无从谈起。）
问 3：为什么 isotypic 路线只要两次卷积，轨道路线却要四次？
（答：两条路线控的东西不同。轨道路线经 Schur 平均只得逐向量界，等价于算子范数控制，正则表示下权重为 @@M@@D^2@@，衰减不够快，需四次卷积才让 Plancherel 和收敛；isotypic 路线用子群中心幂等元做陪集内卷积、配合覆盖不等式控住整个矩阵的 Hilbert–Schmidt 范数，权重降为 @@M@@D@@，指数 @@M@@D^{-1+(u+2)/b}@@ 衰减翻倍，两次即够。）
问 4：与已有工作相比真正的新意是什么？
（答：它是模型无关的抽象机器——Diaconis–Shahshahani 的 Fourier 方法 tradition 不预设具体洗牌，但此前的部分信息传递（如 Alon–Lovett 的逐对修复）不处理陪集帽控下的多重性问题；本篇给出普适的互补陪集到 Fourier 矩阵的传递定理，并把互逆维数和的所需情形配了初等证明（与 Liebeck–Shalev 的 Witten zeta 渐近互为对照）。）
问 5：@@M@@n@@ 必须沿 8 的倍数增大，这个假设是实质的吗？
（答：是记号便利与实质的混合：@@M@@7n/8@@ 张牌与八块等分需要 @@M@@n@@ 被 8 整除；块数 @@M@@b=8@@ 本身可换，指数 @@M@@-1+(u+2)/b@@ 随 @@M@@b@@ 增大而改善，但每块的陪集封顶要求也随之变化。论文在推广章节明确区分各假设的适用范围，不是一刀切。）
问 6：这类结果最可能以什么模式出错？
（答：三处高危。覆盖不等式 @@M@@I\preceq\sum_i\sum_\tau P_{\rho,H_i,\tau}@@ 若在某表示上不覆盖，取迹后的全矩阵界就漏项；互逆维数和 @@M@@C_u@@ 的有限性依赖对每个 @@M@@m@@ 一致的控制，初等证明的形状分类漏一档即不闭合；修剪步骤要求封顶与质量 @@M@@1-o(1)@@ 同时成立，删过头则符号均值不再可控。）
问 7：下游谁在用这台机器？
（答：它是 Thorp 洗牌证明链的变速箱：”随机坐标架”篇的 @@M@@512d@@ 最优推论直接引用本篇的 isotypic 估计与互逆维数和；双侧控制、等变核、稀有事件条件化等推广则面向小域加密中递归构造的部分保证场景。）
总评
这台抽象机器是整个家族从边际信息跃升到全牌混合的唯一通道，且自带轨道与 isotypic 两条独立路线互相校验，设计相当可靠；最大风险在表示论细节的覆盖性与一致性——好在任何错误都会立刻在姊妹篇的数值结论中显形。