Joint distribution of primes in multiple short intervals

Sintesi Tecnica: Distribuzione Congiunta dei Primi in Molteplici Brevi Intervalli

Enunciato del Problee
Il saggio investiga il comportamento statistico del conteggio pesato dei numeri primi, denotato da $\psi(x)$, all'interno di molteplici brevi intervalli. Mentre il Teorema dei Numeri Primi stabilisce la densità media dei primi, le fluttuazioni di $\psi(x+H) - \psi(x)$ in brevi intervalli sono state oggetto di intensi studi. Lavori precedenti di Montgomery e Soundararajan hanno stabilito che per intervalli di lunghezza $H$ dove $H \to \infty$ e $\log H / \log N \to 0$, la distribuzione è asintoticamente normale. Tuttavia, la distribuzione congiunta dei primi in molteplici brevi intervalli disgiunti, e specificamente le correlazioni tra essi, è rimasta meno esplorata, particolarmente nel contesto di intervalli "moltiplicativi" dove la scala di lunghezza dipende dalla posizione $x$ (ovvero, $h = \delta x$).

Le questioni centrali affrontate sono:

1. Qual è la distribuzione limite congiunta dei conteggi dei primi in $r$ brevi intervalli disgiunti al tendere di $X \to \infty$?
2. Come sono correlati questi conteggi?
3. Queste correlazioni inducono bias nelle "corse dei numeri primi" (confronti tra conteggi di primi in diversi intervalli) simili alla corsa dei numeri primi di Shanks–Rényi nelle progressioni aritmetiche?

Metodologia
L'autore adotta un approccio di analisi di Fourier, adattando il metodo di Rubinstein e Sarnak (originariamente sviluppato per i primi nelle progressioni aritmetiche) al contesto degli intervalli brevi. Il nucleo delle assunzioni è l'Ipotesi di Riemann (RH) e la congettura di Indipendenza Lineare (LI) riguardante le ordinate positive degli zeri non banali della funzione zeta di Riemann.

Fasi metodologiche chiave includono:

• Formula Esplicita: Utilizzare la formula esplicita per relazionare la funzione di conteggio dei primi $\psi(x)$ agli zeri $\rho = 1/2 + i\gamma$ della funzione zeta.
• Costruzione del Modello Casuale: Sotto l'ipotesi RH e LI, la deviazione normalizzata del conteggio dei primi è modellata come un vettore casuale $X_{\delta, t}$ che coinvolge una somma sugli zeri, pesata da una specifica funzione $w(\rho)$ e moltiplicata per variabili casuali indipendenti $U_\gamma$ uniformemente distribuite sul cerchio unitario.
• Densità Logaritmica: La distribuzione è analizzata rispetto alla densità logaritmica ($\frac{1}{\log X} \int_2^X \dots \frac{dx}{x}$), naturale per gli intervalli moltiplicativi.
• Funzioni Caratteristiche: La dimostrazione si basa pesantemente sull'analisi della trasformata di Fourier (funzione caratteristica) della misura limite. L'autore deriva un prodotto infinito di funzioni di Bessel ($J_0$) che rappresenta questa trasformata.
• Analisi Asintotica: Stimando la matrice di covarianza e controllando i termini di errore nella formula di inversione di Fourier, l'autore dimostra la convergenza verso una distribuzione gaussiana multivariata. L'analisi richiede stime delicate di somme sugli zeri, utilizzando la formula di Riemann–von Mangoldt e le proprietà della funzione $\Delta(t)$, che descrive la repulsione tra gli intervalli.

Contributi Chiave e Risultati

1. Distribuzione Gaussiana Multivariata:
   Il saggio dimostra che, sotto RH e LI, il conteggio pesato dei primi in $r$ brevi intervalli disgiunti di lunghezza $\delta x$ (dove $\delta$ è piccolo ma fisso rispetto a $X$) segue una distribuzione gaussiana multivariata. La media è zero (dopo normalizzazione) e la struttura di covarianza è determinata esplicitamente.

2. Deboli Correlazioni Negative:
   Un risultato primario è che i conteggi in brevi intervalli disgiunti non sono indipendenti; essi esibiscono deboli correlazioni negative. La covarianza tra due intervalli separati da una distanza di parametro $|t_j - t_k|$ è approssimativamente proporzionale a $-\frac{\Delta(|t_j - t_k|)}{\log(1/\delta)}$. La funzione $\Delta(t)$ si comporta come $1/(2t)$ per $t$ grande. Ciò implica una repulsione "tipo Coulomb": i primi in un intervallo sopprimono leggermente la probabilità di primi in un intervallo vicino.

3. Transizione di Fase nelle Corse dei Numeri Primi:
   Applicando questi risultati distribuzionali alle "corse dei numeri primi" (ordinamento dei conteggi dei primi in molteplici intervalli), il saggio identifica una netta transizione di fase:

   • Regime Non Polarizzato (Unbiased): Se il numero di intervalli $r$ è piccolo rispetto a $\log(1/\delta)$ (specificamente $r = o(\frac{\log(1/\delta)}{\log \log(1/\delta)})$), le corse rimangono asintoticamente non polarizzate; tutti gli ordinamenti avvengono con probabilità circa uguale ($1/r!$).
   • Regime Polarizzato (Biased): Una volta che $r$ supera una soglia critica (approssimativamente proporzionale a $\frac{\log(1/\delta)}{\log \log(1/\delta)}$), emergono dei bias. Il saggio mostra che, per $r$ sufficientemente grande, esistono ordinamenti degli intervalli che si verificano con probabilità significativamente inferiore rispetto ad altri. Questo è una diretta conseguenza delle correlazioni negative accumulate.

4. Estensione della Indipendenza Lineare Quantitativa (QLI):
   Per un singolo intervallo mobile dove il parametro di lunghezza $\delta$ tende a zero al tendere di $X \to \infty$ (specificamente $\delta > (\log X)^{-\varepsilon}$), l'autore dimostra un teorema del limite centrale assumendo una formulazione quantitativa della congettura LI (QLI). Ciò estende la validità della distribuzione gaussiana a intervalli più brevi di quanto precedentemente stabilito sotto la sola LI qualitativa.

Significatività e Rivendicazioni
Il saggio sostiene di essere il primo a concentrarsi sulla distribuzione dei primi in brevi intervalli utilizzando il framework di Rubinstein–Sarnak, spostando l'attenzione dalle classi di residui alle lunghezze degli intervalli.

• Novità: Il risultato è nuovo anche per un singolo intervallo mobile sotto una formulazione quantitativa di LI.
• Meccanismo del Bias: Il lavoro fornisce una spiegazione trasparente per l'emergere del bias nelle corse dei numeri primi in brevi intervalli, attribuendolo alla specifica struttura della matrice di covarianza (deboli correlazioni negative) e all'aggregazione di queste correlazioni al crescere del numero di intervalli.
• Precisione (Sharpness): L'autore nota che la soglia critica derivata per la transizione di fase è più precisa dei risultati precedenti nel contesto della corsa di Shanks–Rényi, grazie alla precisa struttura di correlazione e alle stime raffinate per il determinante della matrice di covarianza.
• Limitazioni: Il saggio riconosce che gli argomenti di tipo Berry–Esseen utilizzati impongono un limite al numero di intervalli $r$ (impedendo che raggiunga un intero esponente di $\delta^{-1}$). L'autore suggerisce che metodi alternativi (metodo di Stein o di tipo Lindeberg) potrebbero estendere tale intervallo, ma l'attuale approccio di analisi di Fourier è stato scelto per stabilire limiti stretti sulla distanza di variazione totale.

In sintesi, il saggio stabilisce un rigoroso quadro probabilistico per i primi in molteplici brevi intervalli, rivelando una sottile forza repulsiva tra gli intervalli che conduce a una transizione di fase dal comportamento non polarizzato a quello polarizzato nella comparazione del conteggio dei primi.