Local average in the Hyperbolic sphere problem

Résumé Technique : Moyenne Locale dans le Problème de la Sphère Hyperbolique

Énoncé du Problème
L'article traite du problème du comptage des points de réseau hyperbolique pour le groupe de Picard $\Gamma = \text{PSL}_2(\mathbb{Z}[i])$ agissant sur l'espace hyperbolique de dimension trois $\mathbb{H}^3$. L'objet central d'étude est la fonction de comptage $N(X, z)$, qui énumère le nombre de translatés de réseau $\gamma z$ à l'intérieur d'une boule hyperbolique de rayon $\cosh^{-1} X$ centrée en $z$.

L'asymptotique ponctuelle classique est donnée par $N(X, z) = c_\Gamma X^2 + O(X^{3/2})$. Bien que le terme principal $c_\Gamma X^2$ soit bien compris, l'exposant $3/2$ dans le terme d'erreur n'a pas été amélioré pour aucun point $z$ ni pour d'autres groupes que le groupe de Picard. Les auteurs étudient si le fait de moyenner la fonction de comptage sur une région locale (via une fonction de test lisse) peut produire un exposant d'erreur plus petit, sous réserve d'hypothèses spectrales spécifiques.

Méthodologie
Les auteurs emploient la théorie spectrale des formes automorphes pour analyser la moyenne locale de la fonction de comptage. La méthodologie procède par les étapes suivantes :

1. Expansion Spectrale : La fonction de comptage est exprimée via la transformée de Selberg de la fonction indicatrice d'une boule. Cela conduit à une expansion spectrale impliquant les fonctions propres $u_j$ du Laplacien hyperbolique et les séries d'Eisenstein.
2. Moyennage Local : Pour éliminer la dépendance vis-à-vis des fonctions propres $|u_j(z)|^2$ spécifiques, les auteurs intègrent l'expansion contre une fonction de test $f$ lisse à support compact sur la variété quotient $\Gamma \backslash \mathbb{H}^3$.
3. Application des Hypothèses : La preuve repose sur deux hypothèses conditionnelles concernant les propriétés spectrales de $\Gamma$ :
   • Hypothèse QV (Variance Quantique) : Une borne sur la variance des mesures spectrales $d\mu_j(z) = |u_j(z)|^2 d\mu(z)$ par rapport à la mesure uniforme. Plus précisément, elle suppose une borne de l'ordre de $T^{q+\epsilon}$ pour la somme des écarts au carré des intégrales spectrales jusqu'à la hauteur $T$.
   • Hypothèse STX (Somme Exponentielle Spectrale) : Une borne sur la somme exponentielle $S(T, X) = \sum_{0 < r_j \le T} X^{ir_j}$, où $r_j$ sont les paramètres spectraux. Cette somme est centrale pour le Théorème des Géodésiques Primes.
4. Approximation et Lissage : Pour gérer la discontinuité de la fonction indicatrice, les auteurs construisent des approximations lisses $k_\pm$ par le haut et par le bas en utilisant la convolution hyperbolique. Cela permet l'application de l'expansion spectrale avec de meilleures propriétés de décroissance dans la transformée de Selberg.
5. Équilibrage de l'Erreur : Le terme d'erreur final est dérivé en équilibrant les contributions de la borne de la variance quantique (qui dépend du paramètre de lissage $\eta$) et de la borne de la somme exponentielle spectrale (qui dépend du paramètre de troncature $T$).

Contributions Clés et Résultats
Le résultat principal est le Théorème 1.1, qui établit une formule asymptotique pour la moyenne locale de la fonction de comptage :
$$\int_{\Gamma \backslash \mathbb{H}^3} N(X, z)f(z) d\mu(z) = \frac{\pi}{2} \bar{f} X^2 + O_{f, \epsilon, \theta, q} \left( X^{\frac{6-4\theta}{5-4\theta} + \epsilon} + X^{\frac{2q}{q+1} + \epsilon} \right)$$
où $\bar{f}$ est la valeur moyenne de $f$, $q \in [1, 3]$ est l'exposant dans l'Hypothèse QV, et $\theta \in [0, 1/4]$ est lié à l'exposant de sous-convexité dans l'Hypothèse STX.

• Amélioration des Bornes Ponctuelles : L'article démontre que, sous ces hypothèses, l'exposant d'erreur dans la moyenne locale peut être strictement plus petit que la borne ponctuelle de $3/2$.
• Exposants Spécifiques :
  • Si l'Hypothèse QV est vérifiée avec $q=1$ (la valeur optimale conjecturée) et que l'Hypothèse STX respecte l'estimation la plus forte connue ($\theta=0$), le terme d'erreur est $O(X^{6/5+\epsilon})$.
  • En utilisant la borne de convexité pour STX ($\theta=1/4$) et $q \le 5/3$, l'erreur est $O(X^{5/4+\epsilon})$.
• Comparaison avec la Dimension 2 : Les auteurs notent que dans le cas de dimension deux (groupe modulaire), la borne de la variance quantique est un théorème (Luo et Sarnak), et que la somme exponentielle spectrale a été largement étudiée. En dimension trois, la borne de la variance quantique reste une conjecture, bien que la somme spectrale ait été analysée dans le contexte du Théorème des Géodésiques Primes.

Signification et Revendications
L'article prétend fournir un cadre rigoureux pour améliorer le terme d'erreur dans le problème de la sphère hyperbolique via le moyennage local, sous réserve de conjectures spectrales établies mais non prouvées.

• Nature Conditionnelle : Les auteurs déclarent explicitement que leur amélioration est conditionnelle. Ils ne prétendent pas prouver la borne de la variance quantique pour le groupe de Picard, mais démontrent que si celle-ci est vérifiée (ainsi que la borne de la somme spectrale), le terme d'erreur s'améliore de manière significative.
• Optimalité : L'article suggère que si l'Hypothèse STX est vérifiée avec les exposants $(2, 0)$ et que l'Hypothèse QV est vérifiée avec $q=1$, le terme d'erreur résultant serait optimal, de manière analogue aux résultats connus dans le cas de dimension deux.
• Bornes Inférieures : Les auteurs reconnaissent les bornes inférieures existantes (Phillips et Rudnick) qui suggèrent que le reste ne peut pas être plus petit que $\Omega(X^{(n-1)/2} (\log \log X)^{(n-1)/2n - \epsilon})$. Pour $n=3$, cela est approximativement $X^1$. Les résultats des auteurs approchent cette borne inférieure sous les hypothèses les plus fortes, suggérant que la moyenne locale capture mieux l'ordre de grandeur "réel" de l'erreur que le cas ponctuel.

Ce travail sert de pont entre la théorie spectrale des formes automorphes en trois dimensions et le problème géométrique du comptage de points de réseau, mettant en évidence le rôle spécifique de la variance quantique et des sommes exponentielles spectrales dans le contrôle du terme de reste.