Octavio Arizmendi，墨西哥数学家，现任墨西哥数学研究中心（CIMAT）概率与统计方向研究员，同时担任墨西哥国家研究者系统（SNII）第三级（最高级别）研究员。他本科毕业于瓜纳华托大学数学系（2008 年），随后在加拿大皇后大学获得数学与统计硕士学位（2010 年），2012 年在德国萨尔兰大学获得数学博士学位，师从自由概率论领域权威学者 Roland Speicher。其博士论文获得“Dr. Eduard Martin Prize”最佳博士论文奖。
Arizmendi 的研究领域涵盖非交换概率、无穷可分性、图谱理论、组合数学与随机矩阵，在自由概率论的组合学方向做出了多项重要贡献。他已在 Advances in Mathematics、Transactions of the AMS、Journal of Functional Analysis、IMRN 等一流期刊发表多篇论文，近期工作包括有限自由概率论中的组合恒等式与极限定理、自由随机变量的普适性以及非交换有理函数的原子性等。他还积极组织学术活动，创办了自由概率研讨会和跨机构随机矩阵研讨会，推动了墨西哥国内随机矩阵与自由概率研究的交流与发展。
Samuel G. G. Johnston，英国数学家，2018 年在巴斯大学获得博士学位，导师为 Matthew Iain Roberts 和 Simon Colin Harris。此后他先后任职于巴斯大学和伦敦国王学院。
Johnston 的研究兴趣横跨概率论、组合数学与随机矩阵理论。他早期工作集中于分支过程的合并理论与随机树结构，在 Annals of Applied Probability、Annals of Probability、Electronic Journal of Probability 等期刊发表了关于 Galton-Watson 树合并结构的一系列论文。近年来，他的研究重心逐渐转向自由概率论与随机矩阵的交叉领域，尤其关注 Horn 不等式、熵最优传输与自由概率之间的深层联系，并在 Journal of the London Mathematical Society、Advances in Mathematics 等期刊发表了关于 Jacobian 猜想、Faà di Bruno 公式及自由概率变分方法的工作。
数学界长期关注的自由概率论与最优传输理论之间的深层联系，近日被两位数学家一举打通。墨西哥数学研究中心的 Octavio Arizmendi 与伦敦国王学院的 Samuel G. G. Johnston 在数学四大顶刊 Inventiones mathematicae 上发表论文“Free probability via entropic optimal transport”，首次将自由概率的三大核心运算——加法自由卷积、乘法自由卷积与自由压缩——统一表述为熵最优传输问题，并给出了最优耦合的显式公式。
该论文的核心定理表明，对自由卷积取对数势的积分，可以精确地用一个带熵惩罚的最优传输问题的上确界来表示。这意味着自由概率中那些以 R-变换和 S-变换为核心的经典描述，可以从一个全新的变分原理中自然导出。审稿人评价该工作“在自由概率与最优传输之间建立了令人惊讶而优雅的桥梁”，为两个领域的交叉研究开辟了系统性的新方向。
从随机矩阵说起：为什么需要“自由”的概率论
想象你有一面巨大的鼓，鼓面上密密麻麻地分布着无数微小的粒子。现在你轻轻敲击鼓面，这些粒子会如何振动？它们的振动频率有没有规律可循？这听起来像是一个物理问题，但在数学上，它对应着一个极为深刻的结构：大型随机矩阵的特征值分布。
随机矩阵就是一个元素随机取值的方阵。当矩阵的尺寸变得非常大时，它的特征值会呈现出某种统计规律。1950 年代，物理学家 Wigner 在研究原子核的能级分布时发现，大型随机对称矩阵的特征值竟然服从一个漂亮的半圆分布。这个发现开启了一个全新的数学领域，也埋下了一个深刻的谜题：如果我们把两个独立的随机矩阵加起来，它们的特征值分布会怎样变化？
在经典概率论中，两个独立随机变量之和的分布由“卷积”描述，这是一个我们非常熟悉的运算。但对于随机矩阵来说，情况要复杂得多。矩阵乘法不满足交换律，两个矩阵相加或相乘之后，特征值的变化并不遵循经典卷积的规则。1980 年代，罗马尼亚裔美国数学家 Dan Voiculescu 在研究算子代数时，发现了一类特殊的“自由”随机变量，它们之间的运算规律恰好对应着大型随机矩阵特征值的渐近行为。Voiculescu 由此创立了自由概率论，用“自由卷积”来描述随机矩阵在加法、乘法和取子矩阵这三种基本操作下特征值分布的演化。
具体来说，设 $\mu$ 和 $\nu$ 是两个概率测度，分别描述两个独立随机矩阵序列 $A_N$ 和 $B_N$ 的特征值分布。那么：
- 矩阵加法 $A_N + B_N$ 对应的特征值分布，称为 $\mu$ 和 $\nu$ 的加法自由卷积，记作 $\mu \boxplus \nu$；
- 矩阵乘法 $A_N B_N$ 对应的特征值分布，称为乘法自由卷积，记作 $\mu \boxtimes \nu$；
- 取 $N \times N$ 矩阵的左上角 $n \times n$ 子矩阵，对应的特征值分布称为自由压缩，记作 $\mu_t$。
这三种运算构成了自由概率论的基石。但它们有一个共同的特点：描述起来相当间接。以加法自由卷积为例，数学家通常需要借助一个叫做“R-变换”的工具来刻画它。R-变换通过 Cauchy 变换的逆函数来定义，虽然精确，但缺乏直观的物理或概率意义。这就好比你可以用一组复杂的公式精确计算某个物理量，却说不清它到底“意味着什么”。
核心突破：用熵最优传输重新理解自由卷积
Arizmendi 和 Johnston 的论文给出了一个全新的答案。他们的核心想法是：自由卷积可以用“最优传输”的语言来精确刻画。
最优传输是一个古老而优美的数学问题。它的基本场景是这样的：假设你有一堆沙子（分布为 $\mu$）和一堆目标位置的坑洞（分布为 $\nu$），你需要把沙子搬到坑洞里，使得搬运的总“代价”最小。搬运方案在数学上叫做“耦合”，它是一个联合分布 $\pi$，其两个边缘分布分别是 $\mu$ 和 $\nu$。经典的 Monge-Kantorovich 问题就是在所有耦合中寻找使期望代价 $\int c(x,y)\,d\pi(x,y)$ 最小（或最大）的那一个。
但经典最优传输有一个众所周知的困难：最优耦合往往不唯一。就像从北京到上海可以选择飞机、高铁或自驾，虽然代价不同，但如果只考虑“距离”这一种代价，可能存在多条等价的最优路线。为了克服这个困难，数学家引入了“熵惩罚”：在代价函数之外，再加上一项衡量耦合“混乱程度”的指标——相对熵 $H(\pi \mid \mu \otimes \nu)$。它度量的是耦合 $\pi$ 与“最无序”的独立乘积分布 $\mu \otimes \nu$ 之间的差异。相对熵越大，耦合越“不独立”；相对熵为零当且仅当两个变量完全独立。加上熵惩罚之后，最优耦合就变得唯一了。
论文的核心定理可以用一句话概括：对自由卷积取对数势的积分，恰好等于一个带熵惩罚的最优传输问题的上确界。 对加法自由卷积，这个等式是：
$$\int \log|x-t| \, d(\mu \boxplus \nu)(x) = \sup_{\pi \in \Pi(\mu,\nu)} \left\{ \iint \log|x-y| \, d\pi(x,y) - H(\pi \mid \mu \otimes \nu) \right\}$$
这里 $t$ 是一个足够大的实数，$\pi$ 遍历 $\mu$ 和 $\nu$ 的所有耦合。等式左边是自由概率论中的经典对象，右边则完全是最优传输的语言。乘法自由卷积和自由压缩也有类似的公式。
这个等式的深刻之处在于，它将自由概率论中看似“非交换”的运算，转化为了经典概率论中关于耦合的变分问题。换句话说，自由卷积不再是某种神秘的“自由世界”的产物，它可以从一个经典的最优化原理中自然“涌现”出来。
更重要的是，论文进一步证明，这个最优传输问题可以显式求解。最优耦合的 Radon-Nikodym 导数具有精确的形式：
$$\frac{d\pi}{d(\mu \otimes \nu)}(x,y) = \frac{1}{Z} \cdot \frac{1}{|x - \omega_{\mu}(x)|^2 \cdot |y - \omega_{\nu}(y)|^2}$$
其中 $\omega_{\mu}$、$\omega_{\nu}$、$Z$ 是“从属方程”的唯一解。从属方程是自由概率论中描述自由卷积的一个经典工具，它联系着各个测度的 Cauchy 变换。论文证明，最优耦合中出现的这些函数恰好就是从属方程的解。这意味着，自由概率论中最为核心的 R-变换和 S-变换描述，可以从熵最优传输的框架中自动导出，而不需要作为额外的假设引入。
证明的巧思：排列、行列式与大偏差
一个自然的问题是：这样一个漂亮的等式，数学家是如何证明的？论文的证明策略本身就是一个精彩的故事。
证明的关键起点是 Marcus、Spielman 和 Srivastava 在研究 Ramanujan 图和 Kadison-Singer 问题时发展出的一组“求积公式”。这些公式源自“交错族”理论，其核心断言是：对于实对角矩阵 $D_a$ 和 $D_b$，
$$\mathbb{E}_U\left[\det(xI - U D_a U^* D_b)\right] = \mathbb{E}_P\left[\det(xI - P D_a P^T D_b)\right]$$
左边是随机酉矩阵 $U$ 的期望，右边是随机排列矩阵 $P$ 的期望。这个等式的惊人之处在于，它告诉我们：在行列式的期望层面，用“连续”的酉矩阵随机旋转一个矩阵，和用“离散”的排列矩阵随机重排它，效果是完全一样的。
这个等式之所以关键，是因为它把问题从“分析学”转化为了“组合学”。左边涉及酉矩阵的积分，可以用随机矩阵理论的工具来处理；右边涉及排列的求和，可以用组合计数和大偏差理论来分析。论文的策略是分别研究两边除以 $N$ 后的极限，然后利用等式将它们联系起来。
左边的极限相对容易处理。当 $N \to \infty$ 时，$\frac{1}{N}\log$ 项收敛到自由卷积的对数势积分。
右边则要精细得多。排列矩阵 $P$ 虽然在所有排列中均匀分布，但并不是所有排列都对行列式的期望有同等贡献。绝大多数排列对应的行列式值都很小，但少数“不寻常”的排列——那些以特殊方式将 $D_a$ 的特征值与 $D_b$ 的特征值配对，使得行列式异常大的排列——对期望的贡献占主导地位。一个均匀随机排列取到这种“不寻常”值的概率，由一个关于对称群的大偏差原理精确描述：给定耦合 $\pi$，经验谱以概率 $e^{-N H(\pi \mid \mu \otimes \nu)}$ 落在 $\pi$ 的分布附近。这里的 $H(\pi \mid \mu \otimes \nu)$ 正是相对熵。于是，排列的“大偏差代价”恰好就是熵惩罚项，而排列“追求”的目标恰好是对数行列式。两者竞争的最优平衡，正是论文核心定理中的上确界。
自由熵的回响：更深层的数学联系
论文的结果并非孤立的技巧性发现，它回响着自由概率论中一个更深层的主题：自由熵。
Voiculescu 在 1990 年代引入了一个“自由熵”的概念，它度量的是非交换随机变量在矩阵逼近下的“体积”。对于单个概率测度 $\mu$，自由熵由以下公式刻画：
$$\chi(\mu) = \iint \log|x-y| \, d\mu(x)\,d\mu(y) + C$$
这个公式中出现了对数势的积分，恰好与论文核心定理中出现的积分形式相呼应。论文的结果在某种意义上揭示了一个统一的图景：对数势的积分不仅与自由熵有关，还与熵最优传输问题有着精确的对偶关系。自由卷积的对数势，可以被理解为在自由概率框架下的某种“最优传输代价”，而熵则扮演着连接两个世界的桥梁。
这一联系还与 Shlyakhtenko 和陶哲轩的工作产生了有趣的呼应。他们曾证明，自由压缩对应的自由熵是单调递增的，并且给出了自由压缩流的一个变分描述。论文的结果为这些变分描述提供了新的理解角度。
意义与展望：两个领域的交汇
Arizmendi 和 Johnston 的这篇论文，其意义远超一个定理的证明。它开辟了一条将自由概率论与最优传输理论系统对接的新路径。
从自由概率论的角度看，论文的核心贡献在于提供了一种全新的、变分式的理解框架。R-变换和 S-变换是自由概率论中经过数十年锤炼的经典工具，它们精确、强大，但也有些“不可捉摸”——为什么 R-变换的加法性恰好刻画了自由卷积？为什么 S-变换是乘法的正确工具？论文的结果提供了一个可能的答案：这些变换的“正确性”并非偶然，它们恰好是熵最优传输问题在自由概率语境下的最优解的自然表达。
从最优传输理论的角度看，论文也提供了新的研究对象和问题。自由卷积为最优传输问题提供了一类具有特殊结构的代价函数，而最优耦合的显式公式则展示了从属方程与最优传输之间的深层数学联系。这两个领域之间的“翻译词典”正在被建立起来，未来可能会催生出更多富有成果的交叉研究。
当然，这篇论文也留下了许多值得探索的问题。论文处理的是紧支撑测度的情形，但非紧支撑的情形（比如半圆分布本身）是否也有类似的结论？论文的核心定理涉及的是对数势的积分，能否将其推广到更一般的势函数？从属方程的变分解释是否暗示着自由概率论中还存在更一般的“自由信息几何”结构？这些问题都指向一个正在快速发展的研究前沿。
数学的进步，往往发生在看似不相干的领域突然“接通”的时刻。自由概率论诞生于算子代数的抽象世界，最优传输理论脱胎于经济学的资源配置问题，两者在各自的轨道上发展了几十年，如今却被一个关于熵的等式联系在一起。这让人想起物理学家 Wigner 那句著名的话：“数学语言在自然科学中的不可思议的有效性”，而在数学内部，这种不同分支之间“不可思议的连通性”，同样是这门学科最迷人的特质之一。
来源：Invent Math，arXiv:2309.12196 及网络公开报道
发表于 17 小时前
|
查看: 6|
回复: 0
