Helson's conjecture for smooth numbers

技術的要約：滑らかな数のヘルソンの予想

問題設定
本論文は、シュタインハウス型ランダム乗法的関数 $f(n)$ の部分和の統計的挙動について、$y$-滑らかな数（$y$-smooth numbers）の集合に限定して調査するものである。$y$-滑らかな数とは、その最大素因数 $P(n)$ が $P(n) \le y$ を満たす整数 $n$ のことである。$\Psi(x, y)$ を $x$ 以下のこのような数の個数とする。中心となる問いは、これらの和の第1絶対モーメント $E\left| \sum_{n \le x, P(n) \le y} f(n) \right|$ が、「平方根より優れた打ち消し（better than square-root cancellation）」を示すかどうかである。

ランダム乗法的関数の文脈において、コーシー＝シュワルツの不等式から導かれる自明な上界は $\sqrt{\Psi(x, y)}$ である。全和（$y=x$）に対してハーパー（Harper）が解決したヘルソンの予想は、期待値が $o(\sqrt{x})$ になることを示唆している。本論文は、この「優れた打ち消し」という現象が、$2 \le y \le x$ の全範囲にわたって一様に成立するのか、あるいは打ち消しが平方根レベルまで劣化する遷移領域が存在するのかを問うものである。

手法
著者らは、滑らかな数の特定の構造に合わせた解析的数論の手法と確率論的議論を組み合わせて用いている。核心となる手法は以下の通りである：

1. ペロンの公式とオイラー積： 部分和は、ペロンの公式を通じて、ランダムなオイラー積 $F_y(s) = \prod_{p \le y} (1 - f(p)p^{-s})^{-1}$ の積分に関連付けられる。絶対和の期待値は、$F_y(\sigma/2 + it)$ を含む積分によって抑えられる。
2. 鞍点解析（Saddle Point Analysis）： 著者らは、$\Psi(x, y)$ のランキン・トリックによる上界を最小化する鞍点 $\alpha = \alpha(x, y)$ を利用する。解析では、積分経路を $\text{Re}(s) = \alpha/2$ （または特定の範囲では $\alpha(x^2, y)/2$）の直線へとシフトさせる。
3. ランダム・オイラー積のモーメント推定： 重要な構成要素は、モーメント $E|F_y(\sigma/2 + it)|^\beta$ の評価である。クリティカルライン $\text{Re}(s)=1/2$ が中心となる全和の場合とは異なり、本研究ではクリティカルラインから外れた位置にあるオイラー積を分析する。
   • 「中程度」の $y$ に対して、著者らは、$\log |F_y|$ のガウス近似における「起こりにくい事象」の支配により、第1モーメントが第2モーメントの平方根よりも著しく小さくなることを示す。
   • $y$ が $x$ に近い場合、著者らはクリティカルGMC（Gaussian Multiplicative Chaos）を用いたハーパーの手法を適応させる。彼らは、プロセスが対数相関ガウス場として振る舞う小さな素数（small primes）の寄与を分離し、残りの大きな素数を条件付き期待値とコーシー＝シュワルツ法を用いて扱う。
   • 非常に小さい $y$ に対しては、素因数の高い多重性を考慮に入れつつ、虚軸付近でのオイラー積の具体的な推定値を用いる。
4. 短区間推定： 大きな $y$ に対する証明は、制限された素因数を持つ整数の短区間における和の境界を与える補題2.5に依存しており、これはヒルデブランド（Hildebrand）の研究から導かれた結果である。

主な貢献と結果
主要な結果は定理 1.1であり、これは $2 \le y \le x$ の全範囲において以下を確立する：
$$E\left| \sum_{1 \le n \le x, P(n) \le y} f(n) \right| = o\left( \Psi(x, y)^{1/2} \right).$$
これは、「平方根より優れた打ち消し」が、$y$ が $x$ に対してどれほど小さい場合でも、$y$-滑らかな数に対して一様に保持されることを裏付けるものである。論文では、3つの異なる領域に対する定量的な境界が示されている：

1. 中程度の $y$ ($C \log x \le y \le x^{1/\log \log x}$):
   著者らは強い節約（saving）を証明し、期待値が $\Psi(x, y)^{1/2} \exp(-u(\log 2 + o(1)))$ で抑えられることを示す（ここで $u = \log x / \log y$）。この結果（定理 1.2）は、クリティカルGMC現象に依存せずに導かれる。代わりに、オイラー積のモーメントへの支配的な寄与が、$\log$ オイラー積が典型的な最大値よりも著しく大きくなるような「極めて起こりにくい事象」から来ることを利用している。これにより、自明な上界に対して少なくとも $e^{cu}$ の因子の節約が得られる。

2. 大きな $y$ ($e^{(\log \log x)^2} \le y \le x$):
   $y$ が $x$ に近い場合、論文は（定理 1.3）、期待値が $\Psi(x, y)^{1/2} (\log \frac{1}{1-\alpha})^{-1/4}$ で抑えられることを証明する。これは、全和に対してハーパーが見出した $(\log \log x)^{-1/4}$ の節約を再現するものである。証明は、小さな素数（GMCの挙動が成立する領域）で条件付けを行い、大きな素数を短区間推定によって処理することで、ハーパーのクリティカルGMCの議論を適応させている。

3. 非常に小さい $y$ ($2 \le y \le C \log x$):
   $y$ が非常に小さい場合、素因数の多重性が高いため、標準的なガウス近似は失敗する。著者らは（定理 1.4）、依然として打ち消しが発生することを証明し、その境界は $y$ の特定の範囲に依存する。例えば、$y$ が有界であるとき、期待値は $O(\sqrt{\Psi(x, y)} \sqrt{\frac{\log \log x}{\log x}})$ となる。

意義と主張
本論文は、滑らかな数に対する「平方根より優れた打ち消し」の現象が普遍的であるかという問いを解決したと主張している。著者らは、この打ち消しが消失するような遷移領域は存在しないことを明示しており、この強化された性質はすべての $y$ において一様に成立する。

本研究の意義は以下の点にある：

• 一様性： 非自明な算術構造を持つ集合（滑らかな数）に対して、全パラメータ範囲にわたってヘルソンの予想を拡張したこと。
• 新たなメカニズム： クリティカルGMCに依存しない、中程度の $y$ に対する明確な打ち消しの源泉を特定したこと。このメカニズムは、クリティカルラインから外れた位置で評価された際のオイラー積の分散構造（そこではモーメントが稀な大きな偏差によって制御される）に由来する。
• 潜在的な応用： 著者らは、これらの結果が短区間 $[x, x+h]$ における $y$-滑らかな数の計数という古典的な問題に応用できる可能性を示唆している。具体的には、彼らの定量的な境界を用いることで、$x^\varepsilon$-滑らかな数の存在を保証するために必要な区間の長さ $h$ の既知の上限を改善し、$h \gg \sqrt{x}/(\log \log x)^{1/4}$ に近づけられる可能性があると述べている。ただし、彼らはこれを本文中で証明された応用ではなく、あくまで潜在的な帰結として位置づけている。

結論として、本論文は、「平方根より優れた」挙動がランダム乗法的関数の堅牢な特徴であり、和のサポートが様々な滑らかさを持つ滑らかな数に制限されても、それが持続することを示している。