Ein determinantal point process (deutsch: determinantaler Punktprozess) oder kurz DPP ist ein Punktprozess, dessen -Punkt-Korrelationsfunktion eine Determinante eines Integralkerns ist. Solche Prozesse trifft man in der Spektraltheorie der Zufallsmatrizen, in der Kombinatorik, sowie im Machine Learning und der Physik an.
In der Theorie der Zufallsmatrizen haben manche dieser Prozesse erstaunliche – sogenannte universelle – Eigenschaften und man erhält in vielen Situation den gleichen Prozess, unabhängig von der darunterliegenden Wahrscheinlichkeitsverteilung. Viele Fragen zu diesem Phänomen sind noch nicht geklärt und Bestandteil moderner mathematischer Forschung.
Definition Wir betrachten einen lokalkompakten, hausdorffschen Raum und ein Radon-Maß darauf (invariante Radon-Maße existieren nur in hausdorffschen Räumen, welche auch lokalkompakt sind).
Weiter sei ein messbarer, positiver Integralkern eines lokalen Spurklasseoperators .
Ein simpler Punktprozess ist ein determinantal point process, falls für jedes seine -Punkt-Korrelationsfunktion existiert und gilt
oder äquivalent
Erläuterungen Da Korrelationsfunktionen positiv sind, muss zwingend auch positiv sein.
Seien disjunkt, dann gilt .
Pfaffian point processes Verallgemeinerungen der determinantal point processes sind pfaffian point processes, deren -Punkt-Korrelationsfunktionen Pfaffsche Determinanten sind: , wobei ein antisymmetrischer -Kern ist:
und .
Beispiele
Beispiele aus der statistischen Mechanik Der Fermion process und der Boson process.
Theorie der Zufallsmatrizen Die empirischen Spektralmaße von einer großen Klasse von unitären Matrizen konvergieren (unter entsprechender Skalierung) zu determinantal point processes mit folgenden Kernen: Sine2-Prozess
Airy2-Prozess
, wobei die Airy-Funktion bezeichnet.
Universalität Die ‑, ‑ und -Prozesse charakterisieren die Eigenwerte einer großen Klasse unendlichdimensionaler Zufallsmatrizen.
Literatur
Einzelnachweise
Kategorie:Stochastischer Prozess