IDS 균일 근사에 대한 정량적 집중 부등식

본 논문은 무작위 퍼텐셜을 갖는 이산 랜덤 슈뢰딩거 연산자 $H_\omega=-\Delta+V_\omega$에 대해, 통합밀도함수(IDS)의 두 정의—연산자 트레이스 형태와 부피 정규화된 고유값 카운팅 함수의 극한—가 동일함을 정량적으로 증명한다. 먼저, 확률공간 $(\Omega,\mathcal B,P)$에 대해 (M1) 번역 불변성, (M2) 거리 $r$ 이상 떨어진 영역들 사이의 독립성을 가정한다. 이러한 가정은 i.i.d. 혹은 유한 범위 상관을 갖는 퍼텐셜에 자연스럽게 적용된다. 연산자 $H_\omega$는 $\ell^2(\mathbb Z^d)$ 위에서 정의되며, 제한된 박스 $\Lambda_L$에 대한 압축 $H_{\Lambda_L}^\omega$는 유한 차원 자기수반 행렬이 된다. 고유값 카운팅 함수 $N(\Lambda,\omega)$와 정규화된 형태 $\bar N(\Lambda,\omega)=N(\Lambda,\omega)/|\Lambda|$는 다음 성질을 만족한다. (A1) 번역 불변성, (A2) 로컬성, (A3) 거의 가법성(경계 효과 $b(\Lambda)$는 부피에 비해 무시 가능), (A4) 유계성, (A5) 단조성, (A6) 점별 가측성. 특히 (A3)은 Følner 수열을 이용해 큰 박스를 작은 박스들의 합으로 분해할 때 경계 비율이 $0$ 으로 수렴함을 보장한다. 주요 결과는 두 단계로 전개된다. 첫 번째는 기하학적 근사 단계로, 큰 큐브 $\Lambda_n$를 작은 큐브 $\Lambda_m$ 로 타일링하고, 거의 가법성을 이용해 $\bar N(\Lambda_n,\omega)$를 작은 큐브들의 평균으로 근사한다. 이때 경계에 의한 오차는 $b(\Lambda_m)/|\Lambda_m|=O(m^{-1})$ 로 제어된다. 두 번째는 확률적 집중 단계이다. 저자들은 Orlicz 노름을 도입해 독립 랜덤 변수들의 합에 대한 엔트로피 기반 집중 부등식을 구축한다. 핵심 아이디어는 “브래킷 커버링”으로, 고유값 카운팅 함수를 상·하한 함수들의 합으로 덮어 각 브래킷이 독립적인 평균값에 거의 일치함을 보인다. 이를 통해 다음과 같은 정량적 부등식이 얻어진다. \