2026-10-01 · chapter ヤン–ミルズと質量ギャップ第 1 部数学の準備確率と測度

確率と測度 — 平均は落ち着き、揺らぎはガウスになる

この章で分かること — 確率を「集合に重さを配る規則（測度）」として書く言葉。ガウス分布は共分散だけで決まり、高次のモーメントは対の数え上げになること。大数の法則と中心極限定理が「平均は落ち着き、揺らぎはガウスになる」と言い、その速さが $1/\sqrt n$ であること。

前提となる章 — なし（§03 の例は 1-02 があると読みやすい）。

先に言うこと — 測度論の証明はしません。無限次元の確率は 1-09 の主題です。四次元のヤン–ミルズ理論を確率測度として作ることは未解決で、このサイトもそれを示していません。

この章の順序

なぜ確率か
確率空間
確率変数と分布 — 群の上の一様分布と半円（図1）
期待値・分散・特性関数
独立
ガウス分布 — 共分散と対の数え上げ（図2・寄り道：カタラン数を二通りに数える）
格子の上のガウス場 — 相関長と質量（図3）
大数の法則 — 平均は落ち着く（図4）
中心極限定理 — 揺らぎはガウスになる（図4）
寄り道：ガウスにならないもの

なぜ確率か — 場の理論は確率測度で書かれる

場の量子論を虚時間に移す（ユークリッド化、4-02）と、場の配置一つ一つに重み $e^{-S}$ （ $S$ は作用）が付き、規格化すると確率として読めます。問題文も場の理論の構成の副産物に 'non-Gaussian, Euclidean-invariant measures' を挙げます既知。格子のヤン–ミルズでは各辺 $\ell$ に群の元 $U_\ell$ が乗り（5-01）、確率は次の形です。

d\mu(U)=\frac{1}{Z}\,e^{-S(U)}\prod_{\ell}dU_\ell,\qquad Z=\int e^{-S(U)}\prod_{\ell}dU_\ell \tag{1}

$dU_\ell$ は群の上の一様な重さ（§03）、 $Z$ は全体を 1 にする定数（2-08）です。例：辺が一本で群が円周 $U(1)$ 、 $S=-\beta\cos\theta$ （ $\beta$ は格子の結合の逆数。統計力学の逆温度と同じ字です）なら、(1) は密度 $e^{\beta\cos\theta}/Z$ で、 $\beta$ が大きいほど $\theta=0$ の近くに集まります。この章はそのための言葉を揃えます。

確率空間 — 集合に重さを配る

確率とは、起こりうることの全体 $\Omega$ の部分集合（事象）に 0 から 1 の重さを配る規則です。重さを配る事象の族 $\mathcal F$ は $\Omega$ を含み、補集合と可算個の和集合で閉じているとします（σ-加法族）。三つ組 $(\Omega,\mathcal F,P)$ が確率空間で、 $P$ には次を課します既知。

P(\Omega)=1,\qquad P\Big(\bigcup_{i=1}^{\infty}A_i\Big)=\sum_{i=1}^{\infty}P(A_i)\quad(A_i\ \text{が互いに交わらないとき}) \tag{2}

$\mu(\emptyset)=0$ で (2) の後半（可算加法性）を満たす非負の集合関数が測度で、全体が 1 の測度が確率です（Durrett §1.1。公理化は Kolmogorov の 1933 年の本に始まるとされます）。 $\mathcal F$ を全部の部分集合にしないのは、選択公理を使った構成で、回転で変わらず (2) を満たす長さを付けられない部分集合が作れるからです（Vitali 1905）既知。例：サイコロは $P(A)=|A|/6$ 。 $[0,1]$ の一様分布は $P([a,b])=b-a$ 、つまり長さ（ルベーグ測度）です。一点の確率は 0 なのにどれか一点は必ず出ますが、非可算個の和には (2) が使えないので矛盾しません。確率 1 で成り立つことを「ほとんど確実に」と言います。

確率変数と分布 — 群の上の一様分布と半円

確率変数は $\Omega$ 上の実数値関数 $X$ で、 $\{X\le a\}$ がどれも事象になるもの（可測）です。分布は $\Omega$ の重さを $X$ で数直線に押し出した測度です。

\mu_X(B)=P\big(X^{-1}(B)\big),\qquad F_X(a)=P(X\le a),\qquad \mu_X(B)=\int_B\rho(x)\,dx \tag{3}

$F_X$ が分布関数、 $\rho$ が密度です。例：表の確率 $p$ の硬貨を $n$ 回投げた表の数は二項分布 $\binom nk p^k(1-p)^{n-k}$ に従い、 $np=\lambda$ を保って $n\to\infty$ とするとポアソン分布 $e^{-\lambda}\lambda^k/k!$ になります。

$SU(2)$ のように、閉じていて有界な行列の群をコンパクトな群と呼びます。コンパクトな群 $G$ には、左右どちらから掛けても変わらない確率測度、つまりすべての $g\in G$ と部分集合 $A$ で $\mu(gA)=\mu(Ag)=\mu(A)$ （ $gA=\{ga : a\in A\}$ ）を満たすものがただ一つあり、Haar 測度と呼ばれます（円周なら $d\theta/2\pi$ ）既知。(1) の $dU_\ell$ はこれです。例： $SU(2)$ の元は $U=a_0+i(a_1\sigma_1+a_2\sigma_2+a_3\sigma_3)$ （ $\sigma_i$ はパウリ行列、 $|a|=1$ ）で、 $SU(2)$ は球面 $S^3$ です（1-02）。Haar 測度は $S^3$ 上の一様分布で $\operatorname{tr}U=2a_0$ 。高さ $a_0$ の切り口は半径 $r=\sqrt{1-a_0^2}$ の球面（面積 $\propto r^2$ ）、帯の幅は $da_0/r$ なので $a_0$ の密度は $r$ に比例し、 $\operatorname{tr}U$ は半円の密度を持ちます既知。

\rho(x)=\frac{1}{2\pi}\sqrt{4-x^2}\qquad(-2\le x\le 2) \tag{4}

$S^3$ 上の一様な点 $10^6$ 個で $\operatorname{tr}U$ のヒストグラム（20 区間）を作ると、各区間に落ちた割合と、(4) から出る各区間の確率（0.019〜0.064）との差は $6.4\times10^{-4}$ 以内でした計算。点を増やしていく様子を図1 で見られます。同じ半円は、成分が独立なガウスの大きな対称行列の固有値の分布にも、適当に規格化して行列の大きさを無限大にした極限で現れます（7-04）。

図1　

S^3

上の一様な点（

SU(2)

の Haar 測度に従う

U

）の最初の

n

個から作った

\operatorname{tr}U

のヒストグラム（棒、20 区間、面積 1）と半円 (4)（曲線）。つまみか「動かす」で

n

を 10 から

10^6

まで増やすと、棒が曲線に寄っていく

計算図1 のヒストグラムは、この端末で作った標本（上の文と同じ $10^6$ 個）の最初の $n$ 個の、区間ごとの個数を埋め込んだもの。曲線と区間の確率は (4) の式から計算する。JavaScript が無効なら上の文の数値で読める。

期待値・分散・特性関数 — 平均を積分で書く

期待値は「値 × 重さ」の総和で、連続なら積分です。ルベーグ積分は値の方を刻み、「値が $c$ 付近の集合の重さ」に $c$ を掛けて足します。比喩で言えば硬貨の山を額面ごとに数える勘定で、正確には有限個の値だけを取る関数の和 $\sum_ic_iP(A_i)$ の極限です。

E[X]=\int_\Omega X\,dP=\int_{\mathbb R}x\,d\mu_X(x),\qquad \operatorname{Var}(X)=E\big[(X-E[X])^2\big] \tag{5}

$Y=X-E[X]$ として $\mathbf 1_{\{|Y|\ge t\}}\le Y^2/t^2$ （ $\mathbf 1_A$ は $A$ の上で 1、外で 0）の期待値を取るとチェビシェフの不等式です既知。

P\big(|X-E[X]|\ge t\big)\le\frac{\operatorname{Var}(X)}{t^2} \tag{6}

特性関数 $\varphi_X(t)=E[e^{itX}]$ は分布を一意に決めます（Durrett §3.3）。例：サイコロは $E=7/2$ 、 $\operatorname{Var}=35/12$ 。ポアソン分布の $E[(-1)^N]=e^{-2\lambda}$ は中心渦の勘定（7-02）に使われます。(4) では $E[\operatorname{tr}U]=0$ 、 $E[(\operatorname{tr}U)^2]=1$ です。

独立 — 無相関との違い

$X$ と $Y$ が独立とは、同時の確率が積に分かれることです。

P(X\in A,\ Y\in B)=P(X\in A)\,P(Y\in B)\qquad(\text{すべての }A,B) \tag{7}

このとき $(X,Y)$ の分布は、平面の長方形 $A\times B$ に重さ $P(X\in A)P(Y\in B)$ を配る測度（積測度）で、 $E[XY]=E[X]E[Y]$ 、 $\operatorname{Var}(X+Y)=\operatorname{Var}X+\operatorname{Var}Y$ 、 $\varphi_{X+Y}=\varphi_X\varphi_Y$ です既知。共分散 $E[XY]-E[X]E[Y]$ が 0 なら無相関で、独立なら無相関ですが逆は偽です。例： $X$ が $\{-1,0,1\}$ に等確率、 $Y=X^2$ なら共分散は 0 ですが $P(X=0,Y=0)=1/3\ne1/9$ です。

場の理論では、離れた二点の場が「ほぼ独立」であってほしいところです。問題文は質量ギャップ $\Delta$ （4-11）の帰結としてクラスター性を挙げます既知。空間 $\mathbb R^3$ の点 $\vec x,\vec y$ に置いた、期待値が 0 の局所的な量 $O(\vec x)$ 、 $O(\vec y)$ の相関（期待値が 0 なので、上の共分散は積の期待値そのもの）の大きさが、 $0\lt C\lt\Delta$ なら、 $|\vec x-\vec y|$ が十分大きいところで $e^{-C|\vec x-\vec y|}$ 以下になる、という性質です。正確には $O$ は量子論の演算子で、相関は基底状態（真空）での期待値です（例は §07）。

ガウス分布 — 共分散と対の数え上げ

平均 0 のガウス分布は、 $n$ 次元なら共分散行列 $C_{ij}=E[x_ix_j]$ （正定値の対称行列、1-01）だけで決まります。

\rho(x)=\frac{1}{(2\pi)^{n/2}\sqrt{\det C}}\exp\Big(-\frac12\,x\cdot C^{-1}x\Big),\qquad E\big[e^{i\,t\cdot x}\big]=e^{-\frac12\,t\cdot Ct} \tag{8}

性質は三つです既知。(i) 線形写像 $y=Mx$ の像もガウスで、共分散は $MCM^{\mathsf T}$ 。(ii) 同時にガウスなら、無相関で独立（ $C$ が対角なら密度が積に分かれる）。(iii) 高次のモーメントは、変数を対に組むすべての方法にわたる $C$ の積の和です（Isserlis 1918。物理では同じ形の公式が Wick の定理（1950）として使われます）。

E[x_1x_2x_3x_4]=C_{12}C_{34}+C_{13}C_{24}+C_{14}C_{23} \tag{9}

無作為な $4\times4$ の $C$ で、(9) の右辺 $-0.0769$ に対し標本 $4\times10^6$ 個では $-0.0774\pm0.0005$ でした計算。一変数なら $E[x^{2k}]=(2k-1)!!\,\sigma^{2k}$ です。 $(2k-1)!!=1\cdot3\cdot5\cdots(2k-1)$ （奇数だけを掛ける二重階乗）は $2k$ 点を対に組む方法の数です（点 1 の相手が $2k-1$ 通り、残りで同じことを繰り返す）。一方 (4) の半円のモーメントは、円周上の $2k$ 点を交差しない弦で組む方法の数、カタラン数 $\mathrm{Cat}_k=\binom{2k}{k}/(k+1)$ です紙（寄り道で両方を計算します）。交差しない組の数え上げと (4) の数値積分は、どちらも $k\le6$ で $\mathrm{Cat}_k$ と一致しました（積分は 6 桁）計算。表1 の行を選ぶと、図2 にその $k$ の組み方が並びます。

表1　全部の対（ガウス）と交差しない対（半円）。行を選ぶと図2 が変わる計算
$k$	$(2k-1)!!$	$\mathrm{Cat}_k$	$E[(\operatorname{tr}U)^{2k}]$ （標本 $10^6$ ）
1	1	1	1.001
2	3	2	2.001
3	15	5	5.001
4	105	14	14.00
5	945	42	42.01
6	10395	132	132.05

図2　円周上の

2k

点を弦で対に組む方法。表1 の行（またはつまみ）で

k

を選ぶ。色の付いたものが弦の交差しない組（

\mathrm{Cat}_k

通り）、薄いものが交差する組。

k=2

の三つは (9) の三項

C_{12}C_{34}

・

C_{14}C_{23}

・

C_{13}C_{24}

に当たる（点に時計回りに 1〜4 と番号を振る）

計算図2 の組み方はブラウザで並べ、その個数が表1 の数え上げ（この端末の計算）と一致することを確かめてある。JavaScript が無効なら表1 で読める。

(9) は Feynman ダイアグラムの原型で（4-03）、交差しない組は大 $N$ の平面ダイアグラムにつながります（7-04）。

寄り道：カタラン数を二通りに数える

寄り道

飛ばしてよい小節です。

交差しない組の数。円周上の点に時計回りに 1 から $2k$ まで番号を振り、交差しない組の数を $c_k$ （ $c_0=1$ ）とします。点 1 の相手を点 $p$ とすると、1 と $p$ の間にある点は弦 $\{1,p\}$ をまたげないので、間の点どうしで組むしかありません。間の点は偶数個なので $p=2j$ で、間の $j-1$ 組と外の $k-j$ 組は別々に選べます。係数を一つの冪級数に並べたもの（母関数） $c(x)=\sum_{k\ge0}c_kx^k$ で書くと、

c_k=\sum_{j=1}^{k}c_{j-1}c_{k-j}\quad(k\ge1)\qquad\Longleftrightarrow\qquad c(x)=1+x\,c(x)^2

です。二次方程式を解いて $x\to0$ で有限な方の根を取り、 $\sqrt{1-4x}$ を二項級数で展開すると係数が出ます。

c(x)=\frac{1-\sqrt{1-4x}}{2x},\qquad \sqrt{1-4x}=1-\sum_{n\ge1}\frac{2}{n}\binom{2n-2}{n-1}x^n\qquad\Longrightarrow\qquad c_k=\frac{1}{k+1}\binom{2k}{k}

半円のモーメント。(4) で $x=2\sin\theta$ と置くと $\sqrt{4-x^2}=2\cos\theta$ 、 $dx=2\cos\theta\,d\theta$ です。 $I_n=\int_{-\pi/2}^{\pi/2}\sin^n\theta\,d\theta$ は部分積分で $I_n=\frac{n-1}{n}I_{n-2}$ 、 $I_0=\pi$ を満たすので、 $I_{2k}=\pi\,(2k-1)!!/(2k)!!$ （ $(2k)!!=2\cdot4\cdots2k=2^kk!$ ）です。 $\cos^2\theta=1-\sin^2\theta$ を使うと

\int_{-2}^{2}x^{2k}\rho(x)\,dx=\frac{2^{2k+2}}{2\pi}\big(I_{2k}-I_{2k+2}\big)=\frac{2^{2k+1}}{\pi}\cdot\frac{I_{2k}}{2k+2}=\frac{2^{2k}\,(2k-1)!!}{(k+1)\,(2k)!!}=\frac{1}{k+1}\binom{2k}{k}

最後の等号は $(2k-1)!!=(2k)!/(2^kk!)$ から出ます。二つの計算は別々に同じ $\mathrm{Cat}_k$ に着きました紙。なぜ半円が交差しない組を数えるのかは、大 $N$ の平面ダイアグラムの勘定（7-04）で見えてきます。

格子の上のガウス場 — 相関長と質量

輪に並んだ $N$ 個の変数 $x_0,\dots,x_{N-1}$ （ $x_N=x_0$ ）に、隣どうしは近い値を好み、全体は 0 に引き戻される重みを付けます。

\rho(x)\propto\exp\Big(-\frac12\sum_{j}\big[(x_{j+1}-x_j)^2+m^2x_j^2\big]\Big)=\exp\Big(-\frac12\,x\cdot(-\Delta_{\mathrm{lat}}+m^2)\,x\Big) \tag{10}

$(\Delta_{\mathrm{lat}}x)_j=x_{j+1}-2x_j+x_{j-1}$ は格子のラプラシアンです。§05 の質量ギャップ $\Delta$ とは別のものなので、添字 lat を付けて区別します。(8) と見比べると、(10) は共分散 $C=(-\Delta_{\mathrm{lat}}+m^2)^{-1}$ のガウス分布です。問題文は、連続の $\mathbb R^d$ の上で共分散が同じ形（格子のラプラシアンを連続のものに替えた形）のガウス測度を 'the free, mass-m0 field' と呼びます。(10) はその一次元の格子（輪）での類似物で、 $d$ 次元の格子でも共分散は同じ形 $(-\Delta_{\mathrm{lat}}+m^2)^{-1}$ になります既知。輪が無限に長ければ厳密に $C(0,x)=e^{-|x|/\xi}/(2\sinh(1/\xi))$ です既知。

\frac{C(0,x)}{C(0,0)}\approx e^{-|x|/\xi},\qquad \cosh\frac1\xi=1+\frac{m^2}{2},\qquad \xi\approx\frac1m\quad(m\ \text{が小さいとき}) \tag{11}

$\xi$ が相関長で、質量 $m$ はほぼその逆数です（どちらも格子間隔を単位にして測った量です）。この減る速さが量子論の「隙間」に当たります（2-06）。(10) は振動子の虚時間の経路積分を刻んだもので、 $m$ は 2-07 の $a\omega$ （そこでは $\omega=1$ なので刻み $a$ そのもの）に当たります。相関長の一般論は 2-08 です。

図3　輪（

N=64

）の上のガウス場。

m

を動かすと、上の標本（乱数は固定、点線は

\pm\sigma

）の滑らかさと、下の

C(0,x)/C(0,0)

（対数目盛り、破線

e^{-x/\xi}

）が変わる

表2　輪（ $N=64$ ）の上の相関計算
$m$	$\xi$ （(11)）	$C(0,8)/C(0,0)$	傾きから読んだ $\xi$
0.05	20.00	0.703	24.1
0.1	10.00	0.452	10.2
0.3	3.35	0.0915	3.35
1	1.04	$4.5\times10^{-4}$	1.04
2	0.57	$7.5\times10^{-7}$	0.57

計算図3 と表2 の数値はこの端末で計算した（図は厳密な相関と固定した乱数から描く。傾きは $x=4$ 〜12）。JavaScript が無効なら表2 で読める。

$m=0.05$ で傾きから読んだ $\xi$ が 20 より大きいのは、輪の長さが相関長の 3 倍ほどしかなく反対回りの寄与 $e^{-(N-x)/\xi}$ が効くためです（有限の箱の効果、5-09）。(10) はガウスなので (9) ですべての相関が $C$ で決まり、相互作用がありません（自由場）。

大数の法則 — 平均は落ち着く

同じ分布に従う独立な $X_1,X_2,\dots$ （平均 $\mu$ 、分散 $\sigma^2$ ）の和を $S_n$ とします。§05 から $\operatorname{Var}(S_n/n)=\sigma^2/n$ で、(6) に入れると大数の弱法則です既知。

P\Big(\Big|\frac{S_n}{n}-\mu\Big|\ge\varepsilon\Big)\le\frac{\sigma^2}{n\varepsilon^2}\ \longrightarrow\ 0\qquad(n\to\infty) \tag{12}

さらに $E|X_1|\lt\infty$ だけで $S_n/n\to\mu$ がほとんど確実に成り立ちます（強法則、Durrett 定理 2.4.1）既知。図4 の「そのまま」で、 $S_n/n$ の分布が $p$ に縮む様子と (12) の左辺（ $\varepsilon=0.1$ ）が見えます。

図4　表の確率

p

の硬貨を

n

回投げた表の数の分布（棒、面積 1）。

n

を増やすと、「そのまま」では

p

（縦線）に縮み破線の外の確率が減り、「√n 倍に拡大」では標準ガウス（曲線）に寄る

計算図4 と表3 の数値はこの端末で計算した（図は二項分布と $\Phi$ の近似式からその場で計算し、Python の値と 4 桁で一致）。JavaScript が無効なら次の段落と表3 で読める。

$p=1/2$ 、 $\varepsilon=0.1$ では、(12) の左辺は $n=10,100,1000$ で 0.754、0.0569、 $2.7\times10^{-10}$ 、右辺 $25/n$ は 2.5、0.25、0.025 です計算。右辺は粗い上界ですが、極限には足ります。実用上の読みは標本平均の誤差はおよそ $\sigma/\sqrt N$ で、精度を 10 倍にするには標本が 100 倍要ります。 $E[(\operatorname{tr}U)^2]=1$ を標本平均で推定すると、 $N=10^2$ で $0.916\pm0.092$ 、 $10^6$ で $1.0015\pm0.0010$ でした（表1 とは別の標本。誤差棒は標本標準偏差 $/\sqrt N$ ）計算。格子のモンテカルロ法では、続けて作る配置が独立でないので実効的な $N$ が減ります（5-07）。

中心極限定理 — 揺らぎはガウスになる

ずれ $S_n/n-\mu$ は $1/\sqrt n$ の大きさです。 $\sqrt n$ 倍に拡大すると、元の分布によらずガウス分布が現れます（中心極限定理、Durrett 定理 3.4.1）既知。

P\Big(\frac{S_n-n\mu}{\sigma\sqrt n}\le a\Big)\ \longrightarrow\ \Phi(a)=\int_{-\infty}^{a}\frac{e^{-x^2/2}}{\sqrt{2\pi}}\,dx\qquad(\text{すべての }a) \tag{13}

理由は特性関数で見えます。 $\mu=0$ なら $\varphi(s)=1-\sigma^2s^2/2+o(s^2)$ で、独立性から $\varphi(t/\sigma\sqrt n)^n=(1-t^2/2n+o(1/n))^n\to e^{-t^2/2}$ 、これは (8) の一次元の標準ガウスの特性関数です。特性関数の収束から分布の収束を出す連続性定理（Durrett 定理 3.3.17）で (13) になります（一般の条件での古典的な証明は Lindeberg 1922）。近づく速さは Berry–Esseen の不等式が与えます（ $\rho=E|X-\mu|^3$ ）。

D_n=\sup_a\Big|P\Big(\frac{S_n-n\mu}{\sigma\sqrt n}\le a\Big)-\Phi(a)\Big|\le\frac{C_0\,\rho}{\sigma^3\sqrt n} \tag{14}

Durrett は $C_0=3$ で証明し、Shevtsova（2011）は $C_0\lt0.4748$ を示しています既知。両辺は図4 の拡大表示と表3 で比べられます。

表3　二項分布の $D_n$ （厳密）と (14) の右辺（ $C_0=0.4748$ ）計算
$p$	$n$	$D_n$	右辺	$D_n\sqrt n$
0.5	10	0.1230	0.1501	0.389
0.5	1000	0.0126	0.0150	0.399
0.1	100	0.0832	0.1298	0.832
0.02	100	0.1767	0.3258	1.767

$p=1/2$ では $D_n\sqrt n$ が $1/\sqrt{2\pi}\approx0.399$ に落ち着きます。 $n$ が偶数なら、分布関数は $a=0$ に高さ約 $\sqrt{2/\pi n}$ の段差を持ち、滑らかな $\Phi$ はその中ほどを通るので、段差の半分が必ず残ります（Durrett §3.4.4）。 $n$ が奇数なら中央に段差は無く、中央の二つの段差（ $a=\pm1/\sqrt n$ ）のあいだで分布関数が $1/2$ のまま平らになり、その端で同じ大きさのずれが残ります（ $n=11$ で $D_n\sqrt n=0.393$ 、 $n=199$ で 0.399）計算。どちらでも $1/\sqrt n$ より速くはなりません。 $p=0.02$ 、 $n=100$ では $np=2$ で、分布は非対称なポアソン分布に近く、ガウスとはまだ離れています。極限定理は「いつ近いか」を言わないので、速さの評価が要ります。

寄り道：ガウスにならないもの — 重い裾・自明性

寄り道

飛ばしてよい節です。

(13) には分散が有限という仮定があります。コーシー分布（密度 $1/\pi(1+x^2)$ 、特性関数 $e^{-|t|}$ ）は $E|X|=\infty$ で、 $n$ 個の平均が元と同じ分布に従います（Durrett 演習 3.3.6）既知。

場の理論では逆に「ガウスに潰れる」ことが問題になります。四次元の格子の $\phi^4$ 模型では、臨界点の近くで格子を細かくする極限がガウスになり、相互作用が消えること（自明性）が示されています（Aizenman–Duminil-Copin 2021、6-08）既知。比喩で言えば中心極限定理の潰れ方ですが、正確には強く相関した場の定理で、証明の道具も別です。

問題文の「非自明な」ヤン–ミルズ理論は、おおまかには極限でガウスでない理論です。スカラー場について問題文（§6.2）が述べるように、自由場はガウス測度から得られ、'one requires non-Gaussian dµ to obtain nonlinear fields' です。格子の (1) は初めからガウスではありませんが、極限でガウスでない測度として残りクラスター性まで持つことを示した結果は無く、問題文自身、四次元で公理を満たす非自明な相対論的場の理論は現時点で一つも知られていないと書きます既知。このサイトもそれを示していません（0-03・6-10）。

この章が言えている範囲

言えている	言えていない
既知定義、(6)、(12) の証明、(4) の導き方。ほかの定理は文献から引用。	測度論の証明（拡張定理・収束定理・連続性定理）。
紙半円のモーメントと、円周上の $2k$ 点を交差しない弦で組む方法の数が、どちらも $\mathrm{Cat}_k$ であること（§06 の寄り道の二つの計算）。 $k\le6$ では数え上げと数値積分でも確かめた計算。	二つが一致する理由（大 $N$ の平面ダイアグラム、7-04 で扱う）。
計算表1〜表3、図1〜図4、§03・§06・§08・§09 の数値。	数値は有限の $k$ ・ $n$ ・標本での確かめで、極限の証明の代わりにはならない。
既知問題文の、自由場がガウス測度であること・クラスター性・非自明な理論にはガウスでない測度が要ること。四次元の $\phi^4$ の自明性。	無限次元の測度（1-09）。四次元のヤン–ミルズの測度の存在・非自明性・クラスター性（未解決。このサイトも示していない）。

出典と再現

もの	種別	出典・道具
§02・§04・§08〜§10 の定理と注意	既知	R. Durrett, Probability: Theory and Examples, 5th ed., Cambridge Univ. Press (2019)（定理 2.4.1・3.4.1・3.3.17・3.4.17、§3.4.4 の注意、演習 3.3.6）。著者の公開版で本文を確認。
原論文（公理化・Vitali・Haar・(9)・(13)・(14)）	既知	A. Kolmogoroff, Grundbegriffe der Wahrscheinlichkeitsrechnung, Springer (1933)。G. Vitali, Bologna (1905)。A. Haar, Ann. of Math. 34 (1933) 147。L. Isserlis, Biometrika 12 (1918) 134–139。G. C. Wick, Phys. Rev. 80 (1950) 268–272。J. W. Lindeberg, Math. Z. 15 (1922) 211–225。A. C. Berry, Trans. AMS 49 (1941) 122–136。C.-G. Esseen, "On the Liapounoff limit of error in the theory of probability", Ark. Mat. Astron. Fys. A 28, No. 9 (1942) 1–19。いずれも書誌のみ。
$C_0\lt0.4748$ ・§10 の自明性	既知	I. Shevtsova, arXiv:1111.6554 (2011)。M. Aizenman, H. Duminil-Copin, Ann. of Math. 194 (2021) 163–235, arXiv:1912.07973（要旨を確認）。同, Corrigendum, Ann. of Math. 199 (2024) 479（書誌のみ）。
問題文の引用（§01・§05・§07・§10）	既知	A. Jaffe, E. Witten, "Quantum Yang–Mills Theory"（Clay 数学研究所の問題記述）。J. Carlson ほか編 The Millennium Prize Problems, Clay Math. Inst. / AMS (2006) 129–152 に収録。Clay の公開版で本文を確認（§5 の式 (2)、§6.2）。
§06 のカタラン数（寄り道）	紙	この章の中の計算（部分積分の漸化式と二項級数）。ガウス行列の半円は 7-04 とその出典表。
表・図・数値	計算	この端末の Python 3.12（NumPy・SciPy）：moments.py（表1・§03・§08、半円の数値積分は $k\le6$ ）、pairings.py（ $k\le6$ の数え上げ・(9)）、fig_semicircle.py（図1 の区間ごとの個数）、lattice_gauss.py（表2・図3）、clt.py（表3・図4）、clt_odd.py（§09 の奇数の $n$ ）。図の関数は fig_check.js・fig_check2.js（node）で表と照合。

次に読む章：1-09 無限次元の確率 — 場そのものの上の確率と、出発点としてのガウス測度。

改訂 2026-10-01：初版。