$\beta$埃尔米特系综中$\beta$微小偏离2时密度-密度关联函数的普适性问题

很高兴看到你对随机矩阵模型的广义方向感兴趣，这个关于$\beta$微小偏离后的普适性问题确实是个很有价值的切入点。

首先直接给你核心结论：当$\beta=2+\epsilon$（$\epsilon$为小量）时，密度-密度关联函数的短程行为仍然保持普适性，只会出现$\epsilon$量级的修正，不会完全偏离正弦核的基本形式。下面我展开解释一下背后的逻辑和依据：

1. 经典情况的回顾 #

在$\beta=2$的高斯酉系综（GUE）中，密度-密度关联函数的短程行为由正弦核描述，这是随机矩阵普适性的核心结果——无论势能$V(x)$的具体形式（只要满足一定的正则条件），在体区或软边缘的局部标度极限下，关联函数都会收敛到普适的核形式。

2. 小$\epsilon$微扰下的分析思路 #

对于$\beta=2+\epsilon$的情况，我们可以通过几种成熟的方法来验证普适性的延续：

• 微扰展开：把$\epsilon=\beta-2$作为小参数，将广义$\beta$系综的关联函数展开为GUE结果加上$\epsilon$阶修正项。具体来说，密度-密度关联函数可以写成：
  $$\langle \rho(\lambda_1)\rho(\lambda_2)\rangle = \langle \rho(\lambda_1)\rho(\lambda_2)\rangle_{\text{GUE}} + \epsilon \cdot \Delta(\lambda_1,\lambda_2) + O(\epsilon^2)$$
  这里的$\Delta(\lambda_1,\lambda_2)$是微扰带来的修正项，在局部标度极限下，它也会呈现出普适的结构——并不会破坏正弦核主导的短程关联模式，只是对核的具体形式做$\epsilon$量级的调整。
• 正交多项式/Jack多项式框架：广义$\beta$系综的关联函数可以用Jack多项式（$\beta$为任意正实数时的推广）来表示，而当$\beta$接近2时，Jack多项式可以展开为GUE对应的正交多项式的小修正。这种展开直接对应关联函数的小$\epsilon$展开，研究表明，在标度极限下，这些修正项不会改变关联函数的普适类，只是引入连续的、$\epsilon$量级的调整。
• 普适性的本质：随机矩阵的普适性源于大$N$极限下的局部标度行为，这种行为对$\beta$的依赖是平滑的——只有当$\beta$发生剧烈变化（比如趋近于0或无穷大，或者取某些特殊离散值）时，才可能触发普适类的改变。而微小的$\epsilon$偏离属于连续的小扰动，只会带来关联函数的连续修正，不会完全颠覆正弦核的普适行为。

3. 文献方向的小提示 #

如果你想找具体的研究工作，可以关注聚焦于**$\beta$系综微扰普适性或Jack多项式标度极限**的论文，这类工作通常会明确分析$\beta$接近2时的关联函数修正。比如一些从可积系统角度研究$\beta$系综的工作，也会涉及到这类小参数展开的分析。

备注：内容来源于stack exchange，提问作者Physicist in disguise