Lower bounds for the large deviations and moments of the Riemann zeta function on the critical line

Aquí presento un resumen técnico detallado del artículo "Lower Bounds for the Large Deviations and Moments of the Riemann Zeta Function on the Critical Line" de Louis-Pierre Arguin y Nathan Creighton.

1. Planteamiento del Problema

El artículo aborda el comportamiento de la función zeta de Riemann, $\zeta(s)$, sobre la línea crítica $\text{Re}(s) = 1/2$, específicamente en el régimen de grandes desviaciones (large deviations).

• Contexto: Desde el Teorema del Límite Central de Selberg, se sabe que $\log|\zeta(1/2 + it)|$ se comporta asintóticamente como una variable gaussiana con media cero y varianza $\log \log T$ para desviaciones del orden $\sqrt{\log \log T}$.
• La Brecha: El interés principal reside en entender qué ocurre más allá de la desviación estándar, específicamente en el rango donde la desviación es del orden de la varianza, es decir, $V \sim \alpha \log \log T$ para $\alpha > 0$.
• El Desafío: Se sabía que las cotas superiores para estas desviaciones eran gaussianas (probabilidad $\sim e^{-V^2/\log \log T}$), pero las cotas inferiores incondicionales (sin asumir la Hipótesis de Riemann) eran más débiles o dependían de constantes subóptimas. Además, la relación entre la medida de los niveles altos y los momentos fraccionarios de la función zeta (donde la contribución dominante proviene de valores grandes de $\zeta$) requería una prueba más precisa de que tales valores grandes ocurren con suficiente frecuencia.

El objetivo es probar una cota inferior incondicional para la medida del conjunto de valores $t \in [0, T]$ donde $\log|\zeta(1/2 + it)| > V$, obteniendo una constante que coincida con las mejores cotas conocidas para los momentos.

2. Metodología

La prueba se basa en una extensión refinada del esquema recursivo utilizado en trabajos anteriores ([ABR20], [AB23], [AB24]), combinando análisis de momentos torcidos (twisted moments) con técnicas de probabilidad en modelos aleatorios.

A. Aproximación por Sumas Parciales y Mollificadores

El logaritmo de la función zeta se aproxima mediante sumas parciales de Dirichlet:
$$S(\eta, t) = \sum_{\log \log p < \eta} \frac{1}{p^{1/2+it}} + \sum_{\log \log p < \eta} \frac{1}{2p^{1+2it}}$$
Para controlar estas sumas, los autores introducen mollificadores (polinomios de Dirichlet) $M(t)$ diseñados para "suavizar" la función zeta y permitir el cálculo de momentos. El mollificador se construye en bloques sobre intervalos de primos $P_j$ definidos en una escala log-log.

B. Restricción de Eventos (Good Events)

En lugar de considerar todas las $t$, el análisis se restringe a un evento "bueno" $G_J$, donde las sumas parciales $S_j(t)$ permanecen dentro de una "franja" o barrera estrecha alrededor de una línea de pendiente $\kappa^* \approx V^*/n_J$. Esta restricción asegura que la desviación no sea causada por un solo salto grande, sino por un comportamiento coherente a lo largo de los intervalos de primos.

C. Desigualdad de Paley-Zygmund

Para obtener la cota inferior, se utiliza la desigualdad de Paley-Zygmund sobre la variable aleatoria $|\zeta M|^2$ condicionada al evento $G_J$:
$$P(|\zeta M|^2 > \delta E[|\zeta M|^2 | G_J] \mid G_J) \geq (1-\delta)^2 \frac{E[|\zeta M|^2 | G_J]^2}{E[|\zeta M|^4 | G_J]}$$
Esto reduce el problema al cálculo de momentos torcidos (segundo y cuarto momentos) de la forma $\int |\zeta M|^k Q(t)^2 dt$, donde $Q(t)$ es un polinomio que aproxima las funciones indicadoras de las restricciones.

D. Tilt (Inclinación) Polinomial y Modelos de Steinhaus

Un avance técnico crucial es el uso de un tilt polinomial (en lugar de exponencial uniforme) para aproximar las funciones indicadoras. Esto permite:

1. Reducir el grado de los polinomios de Dirichlet necesarios, permitiendo truncar las sumas en primos más pequeños ($T^* = T^{1/R(\alpha^2+1)}$) sin perder precisión.
2. Utilizar el Modelo de Steinhaus (donde $p^{-it}$ se reemplaza por variables aleatorias $e^{i\theta_p}$ independientes) para estimar los momentos.
3. Demostrar que los momentos torcidos de la función zeta real están dominados por el término diagonal, análogo a los momentos del modelo aleatorio.

3. Contribuciones Clave y Resultados Principales

Teorema 1.1: Cota Inferior para Grandes Desviaciones

El resultado central establece que para $\alpha > 0$ y $V \sim \alpha \log \log T$, la medida del conjunto donde $\log|\zeta(1/2 + it)| > V$ satisface:
$$\frac{1}{T} \text{meas}\left\{ t \in [0, T] : \log|\zeta(1/2 + it)| > V \right\} \geq K_\alpha \int_V^\infty \frac{e^{-y^2/\log \log T}}{\sqrt{\log \log T}} dy$$
donde la constante $K_\alpha$ tiene el comportamiento asintótico:
$$K_\alpha \gg (C \alpha^2 \log \alpha)^{-\alpha^2}$$
Significado: Esta cota es incondicional (no requiere la Hipótesis de Riemann) y la constante $K_\alpha$ es óptima en su forma asintótica, coincidiendo con las mejores cotas inferiores conocidas para los momentos. Esto confirma que las grandes desviaciones ocurren con la frecuencia predicha por la distribución gaussiana, incluso en el régimen de grandes desviaciones.

Corolario 1.2: Momentos Fraccionarios

Como consecuencia directa, se recupera la cota inferior para los momentos fraccionarios de la función zeta:
$$\int_0^T |\zeta(1/2 + it)|^{2\alpha} dt \gg K_\alpha T (\log T)^{\alpha^2}$$
Esto valida la conjetura de que la contribución dominante a los momentos proviene de los valores de $t$ donde $\zeta$ es grande, y lo hace sin asumir la Hipótesis de Riemann.

Teorema 1.3: Aspecto $q$ (Funciones L de Dirichlet)

El método se generaliza a familias de funciones L de Dirichlet. Se prueba una cota inferior análoga para los valores centrales $L(1/2, \chi)$ de caracteres primitivos pares módulo $q$:
$$\frac{1}{\phi^+(q)} \text{meas}\left\{ \chi : \log|L(1/2, \chi)| \geq W \right\} \geq K_\alpha \int_W^\infty \frac{e^{-y^2/\log \log q}}{\sqrt{\log \log q}} dy$$
Esto demuestra la universalidad del comportamiento gaussiano en grandes desviaciones para diferentes familias de funciones L.

4. Significado e Impacto

1. Independencia de la Hipótesis de Riemann: Antes de este trabajo, las cotas inferiores precisas para grandes desviaciones en la línea crítica a menudo dependían de la Hipótesis de Riemann (como en el trabajo de Soundararajan). Este artículo elimina esa dependencia, proporcionando un resultado incondicional robusto.
2. Optimalidad de la Constante: A diferencia de trabajos previos que lograban cotas inferiores con constantes peores (ej. $(C\alpha^{36}\log \alpha)^{-\alpha^2}$), este trabajo logra la constante $(C\alpha^2 \log \alpha)^{-\alpha^2}$, que es la misma que la de las cotas inferiores de momentos más agudas conocidas. Esto sugiere que la barrera para mejorar la constante no es el método, sino la naturaleza intrínseca del problema (posiblemente relacionada con la truncación necesaria de los primos).
3. Validación de la Conjetura de Keating-Snaith: Los resultados apoyan la idea de que la estructura estadística de los valores grandes de $\zeta(1/2+it)$ es consistente con las predicciones de la Teoría de Matrices Aleatorias (RMT) y las conjeturas de Keating y Snaith, incluso en el régimen de colas pesadas.
4. Técnica de Tilt Polinomial: La introducción de un tilt polinomial para aproximar funciones indicadoras en lugar de exponenciales uniformes es una innovación técnica que permite un control más fino de los momentos torcidos, facilitando el manejo de primos más grandes dentro de los límites permitidos por los teoremas de valor medio.

En resumen, el artículo cierra una brecha importante en la teoría analítica de números al demostrar que las grandes desviaciones de la función zeta en la línea crítica son tan frecuentes como predice el modelo gaussiano, proporcionando las constantes correctas y sin depender de conjeturas no probadas.