🔢 mathematics

Partial sums of random multiplicative functions with supercritical divisor twists

Cet article établit des bornes supérieures pour les sommes partielles de fonctions multiplicatives aléatoires de Steinhaus pondérées par des fonctions diviseurs, confirmant les prédictions de la théorie du chaos multiplicatif gaussien et fournissant une preuve courte d'un résultat clé de Harper tout en répondant à une question de Gerspach concernant les pseudomoments de la fonction zêta de Riemann.

Auteurs originaux : Jad Hamdan

Publié 2026-04-08

📖 5 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Jad Hamdan

Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

🎲 Le Grand Jeu des Nombres : Quand le Chaos Rencontre la Structure

Imaginez que vous jouez à un jeu infini avec des nombres entiers (1, 2, 3, 4...). Dans ce jeu, chaque nombre a un "poids" ou une "valeur" qui dépend de ses facteurs premiers (les briques de base dont il est fait).

L'auteur de ce papier, Jad Hamdan, s'intéresse à un jeu très particulier où ces poids sont aléatoires. C'est comme si, pour chaque nombre premier (2, 3, 5, 7...), on lançait une pièce de monnaie magique qui décide si ce nombre va ajouter ou soustraire de la valeur à ses multiples.

Le but du jeu ? Calculer la somme totale de ces valeurs jusqu'à un très grand nombre $x$ . La question centrale est : Est-ce que ces valeurs s'annulent mutuellement (comme une tempête qui se calme) ou est-ce qu'elles s'accumulent de manière explosive ?

1. Le Contexte : La "Danse" des Nombres

Dans les années 2020, un mathématicien nommé Adam Harper a fait une découverte majeure. Il a prouvé que pour ce type de nombres aléatoires (qu'on appelle "fonctions multiplicatives de Steinhaus"), la somme totale ne grandit pas comme on s'y attendrait. Au lieu de grandir comme la racine carrée de $x$ (ce qui serait normal pour des nombres totalement indépendants), elle grandit beaucoup plus lentement, avec une petite correction liée au nombre de fois où l'on peut diviser $x$ par lui-même (le "double logarithme").

C'est comme si, dans une foule immense où chacun crie une note au hasard, les cris s'annulaient presque parfaitement, ne laissant qu'un murmure très faible. Harper a expliqué cela en reliant les nombres à une théorie physique appelée Chaos Multiplicatif Gaussien.

2. La Nouvelle Découverte : Le "Supercritique"

Le papier de Jad Hamdan pose une nouvelle question : Que se passe-t-il si on change les règles du jeu ?

Au lieu de donner un poids simple à chaque nombre, on lui donne un poids plus complexe, basé sur le diviseur (le nombre de façons de le diviser). On appelle cela la fonction $d_\alpha$ .

Si $\alpha = 1$ , on est dans le cas "critique" (celui étudié par Harper).
Si $\alpha$ est entre 1 et 2, on entre dans le régime "supercritique".

L'analogie du ballon :
Imaginez que la somme des nombres est un ballon que vous gonflez.

Dans le cas critique ( $\alpha=1$ ), le ballon gonfle doucement, mais l'air s'échappe par une petite fuite (l'annulation des termes).
Dans le cas supercritique ( $\alpha > 1$ ), vous gonflez le ballon beaucoup plus vite. La question est : jusqu'où peut-il gonfler avant d'éclater ?

Hamdan a prouvé que même dans ce régime "supercritique" où les nombres devraient exploser, il existe toujours une fuite d'air (une annulation) très précise. Il a calculé exactement à quelle vitesse le ballon grandit. Sa formule montre que la croissance est encore ralentie par des facteurs liés aux "logarithmes des logarithmes" (des corrections très fines).

3. La Méthode : Observer les "Vagues"

Comment a-t-il fait ? Au lieu de compter nombre par nombre (ce qui est impossible pour des milliards de nombres), il a utilisé une astuce de géométrie et de probabilités.

Il a transformé le problème en étudiant un objet mathématique appelé Produit d'Euler. Imaginez ce produit comme une vague complexe qui oscille sur une plage.

Parfois, la vague est très haute (les nombres s'accumulent).
Parfois, elle est basse (les nombres s'annulent).

Hamdan a étudié la hauteur maximale de ces vagues. Il a découvert que pour que la somme totale soit grande, il faut que la vague atteigne un pic très spécifique. Mais ces pics sont rares et très localisés.

L'analogie du brouillard :
Imaginez que vous cherchez des trésors dans un brouillard épais. La plupart du temps, vous ne voyez rien (les nombres s'annulent). Parfois, vous voyez un pic de montagne (un pic de la fonction). Hamdan a prouvé que même si ces pics existent, ils sont si rares et si bien "protégés" par le brouillard que leur contribution totale reste contrôlée.

4. Les Résultats Concrets : Pourquoi est-ce important ?

Ce papier fait deux choses principales :

Une preuve plus courte et plus élégante : Il redécouvre le résultat de Harper (le cas critique) avec une méthode plus simple, en évitant des outils mathématiques très lourds. C'est comme trouver un raccourci dans une forêt dense.
Une nouvelle frontière : Il résout le cas "supercritique" ( $\alpha$ entre 1 et 2). C'est une avancée majeure car cela correspond à un comportement mathématique plus "chaotique" et plus difficile à maîtriser.

L'application finale : Les Zéros de Riemann
Le papier touche aussi à l'un des plus grands mystères des mathématiques : l'hypothèse de Riemann (liée à la répartition des nombres premiers).
Les mathématiciens étudient souvent la fonction Zêta de Riemann (une fonction magique qui encode les nombres premiers) en la regardant comme une vague. Hamdan a utilisé ses résultats pour mieux comprendre les "moments" de cette fonction (sa puissance moyenne).
Il a confirmé une conjecture (une hypothèse) d'un autre chercheur, Gerspach, montrant que même dans des conditions extrêmes, la fonction Zêta reste bien comportée, avec des corrections précises liées à la structure des nombres.

En Résumé

Jad Hamdan a réussi à cartographier le chaos. Il a montré que même quand on pousse les règles du jeu des nombres aléatoires à l'extrême (le régime supercritique), l'univers mathématique conserve une structure cachée. Les nombres, bien qu'aléatoires, ne s'accumulent pas n'importe comment ; ils obéissent à des lois de probabilité très fines, un peu comme une tempête qui, malgré son apparence chaotique, suit des courants d'air prévisibles.

C'est une victoire de la prévisibilité dans l'imprévisible.

1. Problématique et Contexte

L'article s'inscrit dans l'étude des sommes partielles de fonctions multiplicatives aléatoires, spécifiquement la fonction de Steinhaus $f(n)$ , définie par $f(p) = Z_p$ (variables aléatoires indépendantes uniformes sur le cercle unité complexe) pour les nombres premiers $p$ , et étendue complètement multiplicative à $\mathbb{N}$ .

Le problème central est de comprendre le comportement asymptotique des moments des sommes partielles de $f(n)$ , et plus particulièrement de ses sommes "tordues" par une fonction multiplicative déterministe. Le cas critique ( $\alpha = 1$ ) a été résolu par A. Harper, qui a confirmé la conjecture de Helson : les sommes partielles $\sum_{n \le x} f(n)$ présentent une annulation surprenante, avec une croissance en $o(\sqrt{x})$ .

L'objectif de ce travail est d'étendre ces résultats au régime surcritique, où la fonction de torsion est la fonction diviseur généralisée $d_\alpha(n)$ , définie par la série de Dirichlet $\zeta(s)^\alpha = \sum d_\alpha(n)n^{-s}$ , avec $\alpha \in (1, 2)$ . Dans ce régime, la théorie du chaos multiplicatif gaussien (GMC) prédit un comportement différent, caractérisé par des corrections logarithmiques spécifiques.

2. Méthodologie

L'approche de l'auteur repose sur l'analyse des produits d'Euler aléatoires associés à $f$ . Soit $F_x(s) = \prod_{p \le x} (1 - f(p)p^{-s})^{-1}$ . La stratégie principale consiste à comparer les moments des sommes partielles discrètes aux moments d'intégrales de ces produits d'Euler sur la ligne critique (ou proche de celle-ci).

Les étapes clés de la méthodologie sont :

Réduction aux produits d'Euler : En utilisant des arguments de cribles (sieve-theoretic arguments) et le théorème de Parseval, l'auteur réduit l'estimation des moments de $\sum_{n \le x} d_\alpha(n)f(n)$ à l'étude des moments d'intégrales de la forme $\int |F_y(\sigma + ih)|^{2\alpha} dh$ .
Analyse des niveaux et des maxima : Contrairement au cas critique ( $\alpha=1$ ) où l'intégrale est dominée par des points typiques, dans le régime surcritique ( $\alpha > 1$ ), l'intégrale est dominée par les contributions des maxima locaux de $|F_y(\sigma + ih)|$ .
Étude des écarts-types (Large Deviations) : L'auteur développe une analyse fine des ensembles de niveau de $\log |F_x(s)|$ . Il définit des ensembles de "bons points" ( $G_A$ ) où le processus aléatoire $S_t$ (approximation de $\log |F_x|$ ) reste sous des barrières supérieures et inférieures précises.
Approximation par des marches aléatoires gaussiennes : Le processus $S_t$ est traité comme une marche aléatoire à accroissements indépendants (ou un champ log-corrélé). L'auteur utilise des estimations de probabilités de grandes déviations et des théorèmes de type "Ballot" (pour les marches conditionnées à ne pas dépasser une barrière) pour contrôler la mesure des ensembles où le processus atteint des valeurs extrêmes.
Mesures inclinées (Tilted Measures) : Pour traiter les pseudomoments de la fonction zêta (Section 4), l'auteur utilise des arguments de changement de mesure (mesures inclinées) pour gérer les intégrales sur des intervalles mésoscopiques.

3. Résultats Principaux

L'article établit plusieurs résultats majeurs, dont le théorème principal est une borne supérieure conjecturalement optimale pour les moments surcritiques.

Théorème 1.1 (Sommes partielles surcritiques)

Pour $\alpha \in (1, 2)$ et uniformément pour $x$ grand et $q \in [0, 1/\alpha]$ :
$\mathbb{E} \left\{ \left| \frac{1}{\sqrt{x}} \sum_{n \le x} d_\alpha(n)f(n) \right|^{2q} \right\} \ll \frac{(\log x)^{2q(\alpha-1)}}{(\log \log x)^{3\alpha q/2 (1 - \alpha q)} + 1}$
Ce résultat correspond aux prédictions de la théorie du chaos multiplicatif gaussien surcritique. Il généralise le résultat de Harper (cas $\alpha=1$ ) et montre que la croissance est dominée par $(\log x)^{2q(\alpha-1)}$ , avec une correction logarithmique fine en $(\log \log x)$ .

Proposition 1.2 et Preuve courte de la conjecture de Helson

L'auteur propose une nouvelle preuve courte et auto-contenue de la borne supérieure de Harper pour le cas critique ( $\alpha=1$ ). Cette preuve évite l'utilisation complexe du théorème de Girsanov approché en se concentrant directement sur la mesure des ensembles de niveau de $\log |F_x|$ .

Théorème 1.3 (Moments des produits d'Euler surcritiques)

Pour $\gamma \in (2, 4)$ , l'auteur établit une borne pour les moments de l'intégrale du produit d'Euler sur des lignes complexes décalées ( $\sigma_k = 1/2 - k/\log x$ ) :
$\mathbb{E} \left\{ \left( \frac{1}{\log y} \int_0^1 |F_y(\sigma_k + ih)|^\gamma dh \right)^q \right\} \ll \frac{(\log y)^{(\gamma-2)q}}{(\log \log y)^{3\gamma q/4 (2 - \gamma q)} + 1}$
Ce résultat est crucial car il décrit le comportement des maxima des champs log-corrélés dans le régime surcritique.

Corollaires sur les maxima (1.4 et 1.5)

Corollaire 1.4 : Fournit une borne sur la probabilité que le maximum de $|F_x(1/2+ih)|$ dépasse un certain seuil, améliorant les bornes précédentes à une précision $O(1)$ .
Corollaire 1.5 : Estime la mesure typique des ensembles de niveau de $\log |F_x|$ près du maximum, confirmant le comportement attendu des processus gaussiens log-corrélés.

Théorème 1.6 (Pseudomoments de la fonction Zêta)

L'article répond à une question de M. Gerspach en établissant une borne supérieure pour les pseudomoments de la fonction zêta de Riemann $\Psi_{2q, \alpha}(x)$ dans le régime $1 < \alpha < 2$ et $0 < q < 2(\alpha-1)/\alpha^2$ :
$\Psi_{2q, \alpha}(x) \ll \frac{(\log x)^{2q(\alpha-1)}}{(\log \log x)^{q(3\alpha/2)}}$
Ceci confirme la conjecture de Gerspach sur l'exposant exact du terme $(\log \log x)$ .

4. Contributions Techniques Clés

Nouvelle approche par les écarts-types : Au lieu de s'appuyer sur des comparaisons complexes avec le chaos multiplicatif via des théorèmes de Girsanov, l'auteur utilise une analyse directe des ensembles de niveau et des barrières pour les marches aléatoires.
Gestion du régime surcritique : L'article réussit à capturer les corrections logarithmiques fines ( $\log \log x$ ) qui apparaissent uniquement dans le régime surcritique, là où la contribution dominante vient des points proches des maxima locaux, contrairement au cas critique où la contribution est plus uniforme.
Unification des preuves : La méthode permet de redémontrer le cas critique (Helson) et de le généraliser au cas surcritique avec une structure de preuve cohérente.
Extension aux intervalles mésoscopiques : L'utilisation de mesures inclinées permet de traiter des intégrales sur des intervalles de longueur variable, essentiel pour le lien avec les moments de la fonction zêta.

5. Signification et Impact

Ce travail est significatif pour plusieurs raisons :

Validation des prédictions du GMC : Il fournit une confirmation rigoureuse des prédictions de la théorie du chaos multiplicatif gaussien dans le régime surcritique pour les fonctions multiplicatives aléatoires, un domaine où les résultats rigoureux sont rares.
Lien avec la fonction Zêta : En résolvant le problème des pseudomoments pour $\alpha > 1$ , il comble un vide dans la compréhension des moments de la fonction zêta de Riemann en dehors des cas entiers ou critiques.
Simplicité et Généralité : La méthode proposée, basée sur l'analyse des niveaux et des barrières, est présentée comme une alternative plus directe et potentiellement plus flexible aux techniques de comparaison gaussienne lourdes utilisées précédemment.
Conjecture de Gerspach : Il apporte une réponse définitive (en termes de borne supérieure) à une question ouverte récente concernant l'ordre de grandeur précis des pseudomoments.

En résumé, l'article de Jad Hamdan représente une avancée majeure dans l'analyse probabiliste des fonctions L et des champs aléatoires liés à la théorie des nombres, en établissant des bornes précises et en clarifiant la structure des fluctuations dans le régime surcritique.