Joint distribution of primes in multiple short intervals

Résumé Technique : Distribution Conjointe des Nombres Premiers dans de Multiples Intervalles Courts

Énoncé du Problème
L'article étudie le comportement statistique du compte pondéré des nombres premiers, noté $\psi(x)$, au sein de multiples intervalles courts. Alors que le théorème des nombres premiers établit la densité moyenne des nombres premiers, les fluctuations de $\psi(x+H) - \psi(x)$ dans les intervalles courts ont fait l'objet d'études intenses. Des travaux antérieurs par Montgomery et Soundararajan ont établi que pour des intervalles de longueur $H$ où $H \to \infty$ et $\log H / \log N \to 0$, la distribution est asymptotiquement normale. Cependant, la distribution conjointe des nombres premiers dans multiples intervalles courts disjoints, et plus particulièrement les corrélations entre eux, est restée moins explorée, notamment dans le contexte d'intervalles « multiplicatifs » où la longueur d'échelle dépend de la position $x$ (c'est-à-dire $h = \delta x$).

Les questions centrales abordées sont :

1. Quelle est la distribution limite conjointe des comptes de nombres premiers pondérés dans $r$ intervalles courts disjoints lorsque la borne supérieure $X \to \infty$ ?
2. Comment ces comptes sont-ils corrélés ?
3. Ces corrélations induisent-elles des biais dans les « courses de nombres premiers » (comparaisons des comptes de nombres premiers entre intervalles) similaires à la course de nombres premiers de Shanks–Rényi dans les progressions arithmétiques ?

Méthodologie
L'auteur adopte une approche d'analyse de Fourier, adaptant la méthode de Rubinstein et Sarnak (initialement développée pour les nombres premiers dans les progressions arithmétiques) au cadre des intervalles courts. Les hypothèses clés sont l'Hypothèse de Riemann (HR) et la conjecture d'Indépendance Linéaire (IL) concernant les ordinées positives des zéros non triviaux de la fonction zêta de Riemann.

Étapes méthodologiques clés :

• Formule Explicite : Utilisation de la formule explicite pour relier la fonction de comptage des nombres premiers $\psi(x)$ aux zéros $\rho = 1/2 + i\gamma$ de la fonction zêta.
• Construction du Modèle Aléatoire : Sous l'hypothèse HR et IL, l'écart normalisé du compte de nombres premiers est modélisé comme un vecteur aléatoire $X_{\delta, t}$ impliquant une somme sur les zéros, pondérée par une fonction spécifique $w(\rho)$ et multipliée par des variables aléatoires indépendantes $U_\gamma$ uniformément distribuées sur le cercle unité.
• Densité Logarithmique : La distribution est analysée par rapport à la densité logarithmique ($\frac{1}{\log X} \int_2^X \dots \frac{dx}{x}$), ce qui est naturel pour les intervalles multiplicatifs.
• Fonctions Caractéristiques : La preuve repose largement sur l'analyse de la transformée de Fourier (fonction caractéristique) de la mesure limite. L'auteur en dérive un produit infini de fonctions de Bessel ($J_0$) représentant cette transformée.
• Analyse Asymptotique : En estimant la matrice de covariance et en contrôlant les termes d'erreur dans la formule d'inversion de Fourier, l'auteur démontre la convergence vers une distribution gaussienne multivariée. L'analyse nécessite des estimations délicates de sommes sur les zéros, utilisant la formule de Riemann–von Mangoldt et les propriétés de la fonction $\Delta(t)$, qui décrit la répulsion entre les intervalles.

Contributions Clés et Résultats

1. Distribution Gaussienne Multivariée :
   L'article prouve que sous HR et IL, le compte pondéré des nombres premiers dans $r$ intervalles courts disjoints de longueur $\delta x$ (où $\delta$ est petit mais fixe par rapport à $X$) suit une distribution gaussienne multivariée. La moyenne est nulle (après normalisation), et la structure de covariance est explicitement déterminée.

2. Corrélations Négatives Faibles :
   Un résultat primaire est que les comptes dans les intervalles courts disjoints ne sont pas indépendants ; ils présentent des corrélations négatives faibles. La covariance entre deux intervalles séparés par une distance de paramètre $|t_j - t_k|$ est approximativement proportionnelle à $-\frac{\Delta(|t_j - t_k|)}{\log(1/\delta)}$. La fonction $\Delta(t)$ se comporte comme $1/(2t)$ pour les $t$ grands. Cela implique une répulsion de type « Coulomb » : les nombres premiers dans un intervalle suppriment légèrement la probabilité de nombres premiers dans un intervalle voisin.

3. Transition de Phase dans les Courses de Nombres Premiers :
   En appliquant ces résultats de distribution aux « courses de nombres premiers » (ordonnancement des comptes de nombres premiers dans plusieurs intervalles), l'article identifie une transition de phase nette :

   • Régime Non Biaisé : Si le nombre d'intervalles $r$ est petit par rapport à $\log(1/\delta)$ (spécifiquement $r = o(\frac{\log(1/\delta)}{\log \log(1/\delta)})$), les courses restent asymptotiquement non biaisées ; tous les ordonnancements surviennent avec une probabilité approximativement égale ($1/r!$).
   • Régime Biaisé : Une fois que $r$ dépasse un seuil critique (approximativement proportionnel à $\frac{\log(1/\delta)}{\log \log(1/\delta)}$), des biais émergent. L'article montre que pour un $r$ suffisamment grand, il existe des ordonnancements des intervalles qui surviennent avec une probabilité nettement inférieure à d'autres. C'est une conséquence directe de l'accumulation des corrélations négatives.

4. Extension de l'Indépendance Linéaire Quantitative (ILQ) :
   Pour un intervalle mobile unique où le paramètre de longueur $\delta$ tend vers zéro quand $X \to \infty$ (spécifiquement $\delta > (\log X)^{-\varepsilon}$), l'auteur prouve un théorème central limite en supposant une formulation quantitative de la conjecture IL (ILQ). Cela étend la validité de la distribution gaussienne à des intervalles plus courts que ce qui avait été établi précédemment sous l'IL qualitative seule.

Signification et Revendications
L'article affirme être le premier à se concentrer sur la distribution des nombres premiers dans des intervalles courts en utilisant le cadre de Rubinstein–Sarnak, déplaçant l'attention des classes de résidus vers les longueurs d'intervalles.

• Nouveauté : Le résultat est nouveau même pour un intervalle mobile unique sous une formulation quantitative de l'ILQ.
• Mécanisme de Biais : Le travail fournit une explication transparente de l'émergence du biais dans les courses de nombres premiers dans les intervalles courts, l'attribuant à la structure spécifique de la matrice de covariance (corrélations négatives faibles) et à l'agrégation de ces corrélations à mesure que le nombre d'intervalles croît.
• Précision : L'auteur note que le seuil critique dérivé pour la transition de phase est plus précis que les résultats précédents dans le contexte de la course de Shanks–Rényi, grâce à la structure de corrélation précise et aux estimations raffinées du déterminant de la matrice de covariance.
• Limites : L'article reconnaît que les arguments de type Berry–Esseen utilisés imposent une limite sur le nombre d'intervalles $r$ (empêchant d'atteindre une pleine puissance de $\delta^{-1}$). L'auteur suggère que des méthodes alternatives (méthode de Stein ou de type Lindeberg) pourraient étendre cette plage, mais l'approche actuelle par analyse de Fourier a été choisie pour établir des bornes serrées sur la distance de variation totale.

En résumé, l'article établit un cadre probabiliste rigoureux pour les nombres premiers dans de multiples intervalles courts, révélant une force de répulsion subtile entre les intervalles qui conduit à une transition de phase d'un comportement non biaisé vers un comportement biaisé dans les comparaisons de comptage de nombres premiers.