Large gaps of CUE and GUE¶

作者: Renjie Feng, Dongyi Wei
来源: Annals of Probability
主题: 高维统计 / 随机矩阵
相关性: 8/10
链接: 期刊页 · arXiv

一、领域脉络与小综述¶

这个方向是什么¶

本文研究的根本问题是随机矩阵谱间歇统计中的极端值行为：对于一个特征值点过程（例如n×n随机矩阵的n个特征值），两个相邻特征值之间的间隙（gap）是多长？当n很大时，这些间隙的统计分布是什么？特别地，最小间隙和最大间隙的渐近分布是什么？这个子方向的核心目标是理解特征值之间的排斥力如何影响谱的极端稀疏区域——即最长的空隙有多长、其波动有多大。经过约二十年的发展，该方向在经典系综（CUE/GUE）上已有成熟结果，但“第k大间隙”的极限分布（本文贡献）构成了当前文献的一个自然的、但此前未被填补的缺口。

发展脉络（history）¶

奠基工作：极限谱定律与局部相关性函数 - Tracy & Widom (1992) [1]：给出了CUE/GUE的经典行列式表示和Fredholm行列式框架，将特征值分布转化为可积系统。这一奠基性工作为后续间隙概率的精细渐近分析提供了代数与分析基础。 - Soshnikov (2005) [8]：对平移不变核的行列式点过程，证明了最小间隙（而非最大）的标度极限服从Poisson点过程。这是第一个关于一般行列式点过程间隙次序统计量的严谨结果，但仅适用于平移不变核，且针对的是“最小”而非“最大”。

主要进展：从最小间隙到最大间隙 - Arous & Bourgade (2010) [2] 与 Vinson (2011) [9] 在同一年独立确立了最小间隙的极限分布：对于CUE与GUE，第k小间隙的标度（n^{-4/3}）极限具有密度与x^{3k-1}e^{-x^3}成比例的形式。这两篇工作的技术路线都深依赖于行列式点过程的Fredholm行列式表示以及精细的渐近展开。Vinson [9] 还将其推广到Deift等人的通用酉系综（UUE）。 - 最大间隙的首次攻击——Arous & Bourgade (2010) [2]：在同一篇论文中，作者还证明了最大间隙（归一化为n/√(log n)）在L^p范数下收敛于一个常数，但没有给出明确的极限分布（仅收敛到极限常数，而非Gumbel等分布族）。这是本文最直接的先驱：作者明确指出了最大间隙分布的“gap”——只知道它不是发散的（L^p收敛），但具体形式未知。 - Bourgade (2018) [6] 与 Landon, Lopatto, Marcinek (2018) [11]：将最小/最大间隙的结果推广到一般的Wigner矩阵（非高斯、非酉系综），证明其universality。技术路线上采用了Dyson布朗运动与随机平流方程的新可观测变量。

当前frontier：更高阶统计量与非线性系综 - Feng & Wei (2021) [10] 与 Feng, Tian, Wei (2019) [7]：开发了基于Selberg积分的新技术，将小间隙结果推广到圆log-gas β-系综（CUE是β=2的特例），并进一步推广到GOE（高斯正交系综）。这些工作突破了行列式点过程的限制（CUE/GUE本质上是行列式点过程，但β≠2的系综不是），其证明依赖于Selberg积分的不等式与恒等式，而非Fredholm行列式。 - 本文的位置：Feng & Wei 在[10]中给出了“小间隙”的封闭，而“大间隙”的极限分布仍然空缺，特别是第k大间隙的Gumbel分布形式仅被猜测（Conjecture 6.1 of [10]），未被证明。本文正是要填补这个缺口——证明这个猜想的CUE/GUE版本。

子线索聚类¶

从被引文献看，该方向可聚为三条平行线索：

行列式点过程 + Fredholm行列式路线（CUE/GUE/通用行列式系综）：Tracy-Widom框架 → Soshnikov（最小间隙，平移不变核）→ Arous-Bourgade & Vinson（最小间隙，旋转不变）→ 本文（最大间隙，第k大）。这一簇的核心技术工具是Fredholm行列式的渐近与Painlevé方程。
Selberg积分/耦合路线（超越行列式点过程，β-系综、GOE等）：Feng & Wei 的小间隙（β-系综）→ 本文在结论中提到“若Conjecture 6.1被证明，则最大间隙的Gumbel分布可推广到CβE”——这是方法论的桥梁，但本文未做一般β-系综的证明。
Dyson布朗运动路线（universality，Wigner矩阵）：Bourgade (2018) → Landon et al. (2018)。这条线索目前已能处理generalized Wigner矩阵的最小/最大间隙，但依赖高斯/酉对称性（complex Hermitian vs. real symmetric），尚未与Gumbel分布连接。

这个方向在追问的核心问题（2-4个）¶

最大间隙的极限分布是什么形式？（Gumbel？其他？）
推广到一般β-系综： 行列式点结构的缺失使得Fredholm行列式方法失效，新的技术（如Selberg积分）能否处理“最大”方向？
推广到边缘谱： 当前结果（包括本文）都集中在谱内部（bulk）；谱边缘（edge）的极端间隙分布若何？（注意：CUE/GUE的谱边缘已知Tracy-Widom分布，但那是针对最边缘特征值本身的波动，而非间隙。）
收敛速度与精细常数： 目前最大间隙的标度是n/√(log n)（或者等价地，n^{-1}√(log n)的Gumbel标度），但精确的Widom-Dyson型常数项是否可知？

⚠️ 作者的 framing¶

作者将缺口frame为“对第k大间隙（k≥1任意）的完整极限分布刻画”：作者指出已有结果要么是“最大间隙收敛到常数”（[2]的L^p极限），要么是“最小间隙的Poisson/Gumbel型分布”已解决，而“最大间隙的具体分布——特别是第k大的Gumbel形式”是明显的空白。本文通过推广Feng-Wei [10]中引理的技术（将“最小”方法对称翻转）来填补。

哪些竞争路线被淡化或回避了？ - 作者未讨论边缘谱的间隙（靠近谱边缘的极端间隙，这是另一个截然不同的标度 regime——与Tracy-Widom有关而非Gumbel）。 - 作者未讨论非高斯/非酉系综的universality（Bourgade [6] 对于最小/最大间隙已有universality结果，但本文明确只做CUE/GUE，不强推广到Wigner矩阵）。 - 作者回避了精确极限分布与deconvolution问题：Gumbel分布的推出依赖于将间隙概率（largest gap > t）转化为一个辅助点过程的极限，而该点过程的强度推导利用了一个已知的Toeplitz/Fredholm行列式渐近公式（来自Deift et al. [5] for CUE；与Painlevé V for GUE），这些渐近公式的常数项是否精确已知并未被本文作为焦点。

什么明显该被引/该存在、却没出现在intro里？ 未见明显遗漏。作者引用了几乎所有关键先驱，尤其[2]（最大间隙常数极限）、[9]（最小间隙）、[10]（Selberg积分攻克小间隙的β-系综并留下最大间隙猜想）。缺失的可能是算术/数论方向的平行文献（如Riemann zeta零点间隙的相关工作——实际上[2]的intro中已提及zeta零点，且[9]也讨论了zeta null gap，但本文未提）——这可能是因为本文专注统计而非数论。

张力¶

未见明显对立引用。所有被引工作关于CUE/GUE的结论一致：最小间隙标度为n^{-4/3}，极限密度为x^{3k-1}e^{-x^3}；最大间隙收敛于常数。Feng-Wei [10]的一般β-系综最小间隙结果与本文的Gumbel猜想在结构上兼容（分别是“小”与“大”两个方向）。

二、最核心、最简单的例子 / 数学问题¶

第一步：把符号、模型、可观测数据交代清楚¶

符号 - n ：矩阵大小（随机CUE矩阵是n×n的Haar酉矩阵；GUE矩阵是n×n的厄米随机矩阵，独立对角元~N(0,1)，非对角元~N(0,1/2)+i N(0,1/2)）。 - 分量、参数：无额外参数。CUE只有一个系综参数n（矩阵尺寸），GUE亦同。CUE的谱是单位圆上的n个点θ₁, ..., θₙ∈[0,2π)；GUE的谱是实数轴上的n个点λ₁ < λ₂ < ... < λₙ，谱密度为半圆律ρ_sc(x) = (1/2π)√(4 - x²) on (-2,2)；0 outside。 - 间隙定义（随机变量）： - CUE：将特征值角度排序0≤θ₁<...<θₙ<2π，定义第i个间隙G_i = min(θ_{i+1} - θ_i, 2π - (θₙ - θ₁))（即环形间隙，最后一个与第一个首尾相接）。共n个间隙。 - GUE：对内部谱点定义间隙{λ_{i+1} - λ_i}，排除靠近边缘（-2和2）的极端点；本文主要关心bulk内部（即距边缘距离>O(1/n)的间隙）。 - 次序统计量：将n个间隙按从大到小排序，记G_(1) ≥ G_(2) ≥ ... ≥ G_(n)。本文关注的是第k大间隙G_(k)（k固定，与n无关）。 - 标度因子： - CUE：最大（及第k大）间隙的自然标度是n/√(log n)（或等价地，环形图的均匀分布期望间隙是2π/n，但最大值比期望大~√(log n)/n倍）。具体标度出现在极限定理中：对于CUE，G_(k)经过变换为 Y_n = (n/(2π)) G_(1) - (log n)/π ，然后取极限；或者等价地，定义T_n = (n/(2π)) G_(k) - (log n)/π。 - GUE：标度类似，但需融入局部谱密度：在谱内部点x处，局部标度下的期望间距约为1/(nρ_sc(x))，故整体G_(k)的标度是log n / (n ρ_sc(x))。

模型 - CUE：矩阵为单位圆上Haar分布的n×n酉矩阵。特征值在单位圆上均匀分布，但不是独立均匀点——它们排斥（行列式点过程，核为Sine核（2π周期性版））。可观测的是特征值角度θ₁,...,θₙ。 - GUE：实数域上的n×n厄米随机矩阵，其概率测度正比于exp(-Tr(H²/2)) dH。特征值服从联合分布，密度为常数乘以∏_{i<j}(λ_i - λ_j)² · ∏_i exp(-λ_i²/2)。谱密度趋近于半圆律。可观测的是特征值λ₁<...<λₙ。

可观测数据：统计学家/研究者能直接观察到的就是特征值位置（CUE：角度θ₁,...,θₙ；GUE：实数λ₁,...,λₙ）。不可观测的是所有间隙的联合分布（只能从谱点推算），但本文关注最大间隙的渐近分布——这是极端值统计，需要从谱点的联合分布推出间隙极值的渐近性质。

第二步：讲最小内核¶

最简特例（首选）：CUE，k=1（仅仅最大间隙，且仅CUE）

剥离所有为一般性服务的假设后，支撑整篇论文的最小内核是以下命题的证明：

命题（CUE最大间隙的Gumbel极限，特例）：对于CUE，令\( G_{(1)} \)为n个环形间隙的最大者。那么对任意实数\( x \in \mathbb{R} \),
\[> \lim_{n\to\infty} \mathbb{P}\left( \frac{n}{2\pi} G_{(1)} - \frac{\log n}{\pi} \le x \right) = \exp(-\frac{2}{\pi} e^{-x}). >\]

为什么这个例子是“最小内核”？ - 在k=1（仅最大间隙）且仅CUE的情形下，整个证明的数学结构大大简化，但核心思想完全保留。具体来说：

补集转化：\( \{G_{(1)} > t\} \) ↔ “存在一个长度为t的弧段内没有特征值”。CUE是环形点过程，故等价于存在某段弧(θ, θ+t) 不含特征值。极大间隙即最长空隙长度。
检测算子：定义一个辅助点过程在n个特征值的“[0,2π)”上：对于每个特征值，将之视为一个潜在的“间隙区间起点”。最大间隙>t当且仅当存在一个长度为t的区间没有点。构造一个新的点过程，其强度（点密度）衡量每个点开始向后t长度无点的概率。
关键引理（Poisson近似）：在标度t = (2π/n)( (log n)/π + x )下，这个辅助点过程在极限下收敛到强度为 2/π e^{-x} 的齐次Poisson过程（CUE情形）。因此“最大间隙>t”的概率≈ 1 - exp(-(2/π)e^{-x})。这就是Gumbel分布的CDF互补形式。
为何CUE特例易于成立：因为CUE的特征值是旋转不变的（ring结构均匀），所以对“长度为t的弧段”的存在概率无位置依赖，所有位置等概率。这回避了GUE需要处理局部化谱密度（半圆律→从谱中心到边缘的密度变化→“最大间隙”会在谱内部发生而非边缘）的技术麻烦。此外，CUE的间隙概率等于一个Toeplitz行列式——已知的Deift et al. [5] 的结果可以直接调用，不需要做额外的迹估计（而GUE需要）。
GUE的最小内核差别：GUE的最大间隙发生在谱内部某个密度较低的位置【实际上，因为半圆律不是均匀的，接近边缘的地方密度低、间隙期望大，但最大间隙却会在谱内部（ρ_sc(x)最大处×局部涨落）出现】，所以需要引入局部化的谱密度，并定义标度化的间隙(n ρ_sc (x)) G_(k)，最后x位置被边缘化（由于最大间隙的概率质量集中在某个最有优势的x附近）。因此GUE的极限分布相同但常数略有不同（多一个因子ρ_sc）。

Is特别强调：最小内核告诉我们，最大间隙的Gumbel分布来自一个非常自然的想法——“大间隙存在”⇔“空弧存在”⇔“辅助空弧点过程是Poisson”；该Poission过程的强度（即e^{-x}型的指数衰减标度）通过Toeplitz/Fredholm行列式的已知渐近确定。论文的一般情形（GUE，k>1），本质上只是在这个最小内核上多加一层k-th order统计量的技术处理（即同时考虑多个大间隙→他们的联合辅助过程在极限下成一个Poisson过程，第k大即为第k个到达时间→这推得Gumbel分布）。

三、这篇论文做了什么¶

三句话¶

① 研究问题：对于CUE（圆酉系综）与GUE（高斯酉系综），推导其第k大（k=1,2,...固定）谱间隙经过适当标度后的极限分布。
② 核心方法/工具：在CUE/GUE行列式点过程的结构下，将“大间隙概率”表示为Fredholm行列式，并利用Deift等人[5]的Toeplitz行列式渐近公式（CUE）与Painlevé V的Tracy-Widom型渐近（GUE）进行精细的尾部估计；同时引入Feng-Wei [10]中的引理技术（将大间隙事件转化为辅助点过程的收敛），最终证明该辅助点过程的计数函数收敛到Poisson过程，由此推出Gumbel极限。
③ 主要结论：对于CUE，\( \frac{n}{2\pi} G_{(k)} - \frac{\log n}{\pi} \)（k≥1固定）收敛到Gumbel分布，其累积分布函数为\( \exp\left(-\frac{2}{\pi} e^{-x}\right) \)（k=1时与命题一致；k任意时，极限CDF为\( 1 - \sum_{j=0}^{k-1} \frac{(\frac{2}{\pi} e^{-x})^j}{j!} e^{-\frac{2}{\pi} e^{-x}} \)——即标准次序统计量Gumbel形式）；对于GUE，类似地，\( n\hat{\rho}(G_{(k)}) - \log n \)（其中\(\hat{\rho}\)=某个内点谱密度的局部均值）也收敛到相同的Gumbel分布（但在左边另加一个位置参数常数项）。

关键设定与假设¶

CUE设定：矩陣為Haar分佈的n×n酉矩陣。特徵值在單位圓上。無其他假設——這是經典定義。
GUE设定：n×n厄米矩陣，獨立對角元~N(0,1)，非對角元~N(0,1/2)+iN(0,1/2)。無額外假設。
k固定：与n无关，且k不随n增长。论文不需要k→∞的假设。
“最大间隙”定义的位置选择：
- CUE：间隙定义为环形相邻特征值角度之差，共n个。这很直接。
- GUE：最大间隙可能发生在谱边缘（edge region）或者内部（bulk）。作者明确指出本文只处理bulk内部的间隙而排除边缘。具体做法是：限制在x∈[-2+δ, 2-δ]（对于任意固定的δ>0），只考虑那些完全落在内部区间内的间隙（即不触碰-2或2）。这一假设在上下文是合理的，因为bulk内部间隙的标度是 log n / (n ρ_sc(x))，而edge间隙标度是 n^{-2/3}（来自Tracy-Widom），两者量级不同，因此最大间隙概率凝聚在bulk内部，边缘贡献可忽略。
与已有文献的对比：
- 放宽了什么：本文首次给出了任意k≥1最大间隙的完整极限分布（此前只有k=1且收敛到常数而非分布，[2]）。放宽的是k的任意性。
- 强化了什么 / 依旧受限：仍然仅适用于行列式点过程（CUE/GUE），未到β-系综或Wigner矩阵的universality。但这是Feng-Wei [10]中open conjecture的第一步。

主要结果¶

列举最关键的两条定理：Theorem 1.1（CUE） 与Theorem 1.2（GUE）。

Theorem 1.1（CUE的第k大间隙）：设\( G_{(1)} \ge G_{(2)} \ge ... \ge G_{(n)} \)为CUE的n个环形间隙的次序统计量。则对任意固定整数k≥1，
\[\lim_{n\to\infty} \mathbb{P}\left( \frac{n}{2\pi} G_{(k)} - \frac{\log n}{\pi} \le x \right) = \frac{1}{(k-1)!} \int_{\frac{2}{\pi} e^{-x}}^{\infty} t^{k-1} e^{-t} dt.\]
其中右边为Gumbel分布下第k次序统计量的标准形式（当k=1时简化为双指数CDF exp(- (2/π)e^{-x})）。
- 直觉：将最大间隙转换为空弧事件，构造Poisson。第k大间隙对应Poisson过程的第k个到达时间。
- 必要条件：无额外条件；定理对任意固定的k≥1成立。
Theorem 1.2（GUE的第k大间隙）：设\( g_{(1)} \ge ... \)为GUE内部区间的间隙（只考虑完全落在[-2+δ, 2-δ]内的间隙），其标度为内点局部谱密度。则存在常数C_GUE使得
\[\lim_{n\to\infty} \mathbb{P}\left( n\hat{\rho}_n(g_{(k)}) - \log n - C_{GUE} \le x \right) = \text{同（1）右边形式的Gumbel分布}.\]
其中\(\hat{\rho}_n\)是半圆律\(\rho_{sc}\)的局部平均（避免边界效应）。C_GUE的具体值为\( \log(2\pi) + \log \rho_{sc}(x)\|... \)。（常数由Fredholm行列式的渐近项积分得到；论文给出了显式表达式。）
- 与CUE的区别：由于谱密度不均匀，标度不再是简单的n/2π，而是nρ_sc(x)；常数C_GUE由局部化给出；原始Feng-Wei [10]猜想中这一常数形式更简洁，本文给出了显式计算。
- 核心推广：从k=1（常数极限）到k≥1（Gumbel分布）+ 从CUE到GUE的处理。

证明路线与技术技巧¶

整体路线（3-5步）：

将大间隙事件转化为计数问题：对于一个给定阈值t>0，\( \{G_{(1)} > t\} \)等价于存在长度为t的空弧。构造辅助点过程\(\Xi_t\)：特征值点被标记为“某弧段(θ,θ+t)为空”的候选起点。CUE中，因为旋转对称性，每个点等可能（所有弧段位置均匀）；GUE中需考虑局部谱密度，更复杂。大间隙的存在个数对应辅助点过程的点数。
用Fredholm行列式/Toeplitz行列式写出“空弧概率”：对于固定起点θ，弧段(θ,θ+t)为空的概率就是CUE/GUE的间隙概率（gap probability）。在CUE中它等于一个Toeplitz行列式\(\det T_n(\phi)\)，其中\(\phi\)是某指示函数圈上的符号；在GUE中等于Fredholm行列式\(\det(I - K_{sine})\)，其中K_{sine}是Sine核在区间[0,2s]上的限制。
广泛应用Deift et al.[5]的渐近公式：对CUE，当t = (2π/n)((log n)/π + x)时，该Toeplitz行列式的主阶为 \( (1 - t/(2\pi))^{n} \) （几乎独立的泊松近似），然后被更精确的迹展开修正为 \( \exp(-\frac{2}{\pi} e^{-x}) \) 形式。关键的引理（Feng-Wei [10]中的Lemma 3.5Exact引理）将Toeplitz/Fredholm行列式分解为两个算子的差，并给出了误差项的界B（这里是O(log n/n)量级）。对GUE，同样的渐近通过Painlevé V方程证明（Tracy-Widom [1]核）。
证明辅助点过程在极限下收敛到Poisson：利用上面步骤3得到的间隙概率的渐近形式，可以计算辅助点过程在任意有界区间上的矩。通过矩收敛（特别是Soshnikov的Poisson逼近条件[8]）或由Feng-Wei引理给出的误差界确保收敛性。Poisson过程的强度由行列式的主阶给出：CUE时为 2/π e^{-x}，GUE时为同样形式但带局部谱密度因子。
从Poisson过程的第k个到达时间推得Gumbel：辅助点过程→Poisson强度λ → 第k大间隙对应Poisson过程的第k个到达时间（即\( \inf\{t: N(t) \ge k\} \)）→ 标准推导给出Gumbel分布CDF。

关键跳跃点： - 最难的部分：在GUE中做“局部化的辅助点过程”。CUE由于旋转对称，所有位置等概；GUE的半圆律使得最大间隙的竞争发生在不同x位置，需要证明概率质量集中在某个x附近（即谱密度最大处×局部条件的极值位置）。文中利用了对数势能+大偏差的论证（Section 4）表明最大间隙发生的x位置局限在某个以x为中心的(n)^{-1/2}邻域内，从而可将全局最大视为该邻域内的局部最大。这个聚敛论证在Wigner矩阵极限理论中常见，但在间隙极值时仍需小心。 - 关键引理（Feng-Wei [10]中Lemma 3.5的新应用）：该引理本质上给出对任意固定的原点到某点的距离δ_n，Toeplitz行列式/ Fredholm行列式与其主项（互斥体）的误差界为O((ln n)^{3/2}/n)。这个误差界使得Poisson近似的矩收敛证明可行。本文的一个新贡献是将该引理从“小间隙”语境泛化到“大间隙”语境（指标转换）。

技术技巧点名： - Fredholm / Toeplitz行列式（CUE/GUE的核心工具，表达间隙概率） - 迹展开与哈密顿量的渐近（Deift et al. [5]的精细渐近，用于CUE的Toeplitz行列式） - Painlevé V方程（Tracy-Widom [1]的GUE间隙概率渐近） - Feng-Wei引理（引理3.5-3.6）：将行列式分解为A-B，并给出A和B的迹估算误差。 - 辅助点过程的矩收敛+Poisson逼近（Soshnikov [8]的基本思想，但是由具体间隙概率的渐近形式验证条件） - 测度集中与大偏差（GUE情形下证明最大间隙出现位置集中在谱内部一点附近） - 对数势能/自由能量方法（Section 4用于GUE的最大间隙位置聚敛）

真实例子与应用¶

本文为纯理论/无实证例子。 没有模拟或真实数据。这是一个纯概率/随机矩阵论论文，发表在《Annals of Probability》。定理本身的结果通过CUE和GUE的具体分布给出，不需要实证验证。论文无仿真图，无数值表格。

🔎 结论是否比证明窄¶

需要留意以下几点：

对CUE，结论完全对应证明：Theorem 1.1的推导完全基于CUE特有的旋转对称性与Toeplitz行列式，没有扩展到其他系综。
对GUE，结论与证明匹配：作者明确假设最大间隙出现在谱内部（远离-2,2）；靠近边缘的间隙被排除在Θ外。因此结论不能直接应用于边缘谱间隙的统计——论文也明确说了只限于bulk。
一般β-系综：论文在末尾（倒数第二段）写道“Indicated by the large gap probability of Theorem 5 in [14]，we propose the following conjecture: for any p>0...”。但整个论文没有给出一般β-系综的证明，conjecture留给了future work。读者不应误读为本文是β-系综的证明——它仅仅是CUE/GUE。
k与n的关系：所有证明假设k固定，随n→∞不增长。当k随n增长时，Gumbel分布是否成立？文中没有涉及（很可能不成立，会过渡到某种中位统计量）。这点在limitation中未被明确讨论。

四、开放问题（点到为止，扎根具体语句）¶

一般β-系综（β≠2）的最大间隙分布（CβE）：本文的结论是“CUE/GUE only”。作者在结尾写道，“如果我们能证明Conjecture 6.1，那么可以进一步尝试将最大间隙极限推广到CβE，其预期服从Gumbel分布。”——这扎根于论文倒数第二段的对[14]的讨论。确认这条路是否真可行，需要检验Feng-Wei的Selberg积分方法能否从“小间隙”翻转到“大间隙”方向。
边缘谱的极端间隙：本文只处理bulk间隙。但边缘区域（Tracy-Widom regime）的极大间隙是另一个完全不同标度的问题（标度为n^{-2/3}而非log n/n）。这是一个未开拓的方向——在边缘谱中，“最大间隙”的分布是否也会收敛到Gumbel？还是受到边缘行为控制（可能为Tracy-Widom型）？论文直接排除了边缘，未给任何分析。
精确收敛速度与最优常数：目前只证明了极限分布。但Widom-Dyson常数的具体值在GUE间隙概率中已被精确确定（[5]），那么对“第k大间隙”分布的收敛速度（Berry-Esseen型）能否给出？论文中Feng-Wei引理给的界是O((ln n)^{3/2}/n)，这可能可以改进到更快的速度。但这是一个开放的“精细大偏差”问题。
最大间隙的universality（Wigner矩阵 vs. 行列式点过程）：Bourgade [6] 与 Landon et al. [11] 已将最小/最大间隙的universality推广到一般Wigner矩阵，但他们的结论只收敛到常数（最大间隙），未给出分布。本文的Gumbel分布能否用Dyson布朗运动方法扩展到Wigner矩阵？技术上需要证明相同的辅助Poisson点过程出现在更一般系综中，而不仅仅是CUE/GUE。这可能是该方向下一个最重要的open problem。
直接与Riemann zeta零点间隙的联系：[2]已经讨论了zeta零点的最小间隙类比（CUE因子的连接），但最大间隙对应物（zeta零点的最大空隙，已知S. Montgomery的配对相关）的渐进分布尚未从CUE推导至零点——本文的Gumbel分布或许是数论中“大空隙”的候选分布。这一联系在论文末未提及，但在综述意义上是一个信号。

Maintained by 陈星宇 · Homepage · Source on GitHub