🔢 mathematics

On the series expansion of the secondary zeta function about $s=1$ and its coefficients

この論文は、リーマン予想を仮定して定義される二次ゼータ関数の $s=1$ におけるローラン展開の正則部分の係数に関する新たな公式を導出し、数値的検証とブレントの定理を用いた収束性の改善を報告するものである。

原著者： Artur Kawalec

公開日 2026-03-24

📖 1 分で読めます🧠 じっくり読む

原著者： Artur Kawalec

原論文は CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) でライセンスされています。 ✨ これは以下の論文のAI生成解説です。著者が執筆または承認したものではありません。技術的な正確性については原論文を参照してください。免責事項の全文を読む

🌊 1. 物語の舞台：「二次のゼータ関数」という隠れた海

まず、リーマン・ゼータ関数には「非自明な零点（ゼロになる点）」という、目に見えない魚が泳いでいます。これらは「 $\gamma$ （ガンマ）」という名前が付けられた、不思議な高さ（虚部）を持っています。
（例：14.13, 21.02, 25.01... という数字です）

これまでの研究では、これらの「魚の高さ」を単純に足し合わせたり、その逆数を足し合わせたりする「二次のゼータ関数」というものが存在することが知られていました。
しかし、この関数は $s=1$ という場所（ある特定のポイント）で暴れてしまい、計算が無限大に発散してしまいます。まるで、ある地点で波が荒れ狂って船が転覆してしまうような場所です。

🧭 2. 問題：荒れ狂う波をどう鎮めるか？

この論文の著者（カワレック氏）は、この荒れ狂う場所（ $s=1$ ）を詳しく調べました。
波が荒れるとき、その中心には「双極（ダブルポール）」という二重の柱が立っているような状態です。著者は、この柱の周りを回る「滑らかな波（正則部分）」の形を、**「係数（ $C_n$ ）」**という数字の羅列で表す新しい公式を見つけ出しました。

【アナロジー：嵐の中心の天気図】
Imagine that the chaotic behavior at $s=1$ is like the eye of a hurricane.

これまでの研究: 「ここは嵐だ！風速は無限大だ！」と叫ぶだけだった。
今回の発見: 「嵐の中心を避けて、そのすぐ外側を走る『穏やかな風』の強さを、正確に予測する新しい天気予報式（公式）を作った！」という感じです。

この新しい公式（定理 1）を使えば、これまで計算するのが難しかった「係数 $C_n$ 」の値を、魚（零点）の高さを集めて計算するだけで求められるようになります。

🍳 3. 実験：新しいレシピで味見をする

著者は、この新しい公式が本当に正しいかを実験しました。
200 万匹以上の「魚（零点）」のデータを入手し、新しい公式に当てはめて計算しました。

従来の方法: 魚を数えて足し合わせるだけだと、計算結果が少しずれてしまう（精度が 3〜5 桁程度）。
今回の方法: 新しい公式を使うと、計算結果が驚くほど正確になりました（10 桁以上一致）。

【アナロジー：料理の味見】

古い方法: 鍋の味見をするとき、スプーンで少しだけすくって「あ、塩味だ」と判断する。でも、鍋の底の味が反映されていない。
新しい方法: 鍋全体を混ぜ合わせ、さらに「塩分が沈殿する仕組み」を考慮した新しいスプーン（BPT の定理）を使って味見をする。すると、本当の味が 10 倍も正確にわかる！

🚀 4. 加速装置：ブレントの定理（BPT）の活用

論文の最後には、さらに「加速装置」が紹介されています。
計算を高速化し、誤差を劇的に減らすための「ブレントの定理（BPT）」という技術です。

効果: これを使うと、計算に必要な「魚の数」は同じでも、得られる答えの精度が飛躍的に向上します。
結果: 従来の計算では 3 桁しか合っていなかったものが、この技術を使うと 10 桁以上も正確に一致しました。

【アナロジー：車のサスペンション】

普通の計算: 凸凹の道（数学的な誤差）を走ると、車がガタガタ揺れて目的地（正確な答え）にたどり着くのが遅い。
BPT 定理を使う: 高性能なサスペンション（誤差補正）を取り付けた。同じ道でも、揺れが抑えられ、スムーズに、かつ正確に目的地に到着できる。

📝 まとめ：この論文は何をしたのか？

新しい地図を作った: 「二次のゼータ関数」という難解な関数の、 $s=1$ という危険な場所の周りを安全に歩くための「新しい公式」を見つけ出した。
味見を正確にした: その公式を使って、これまで計算が難しかった「係数（ $C_n$ ）」の値を、200 万個のデータから高精度で計算し、正しさを証明した。
エンジンを強化した: さらに「ブレントの定理」という技術を加えることで、計算の精度を劇的に高め、より少ない計算量でより正確な答えを出せるようにした。

この研究は、数学の最深部にある「無限」の謎を解くために、より精密な「ものさし」と「計算機」を提供したと言えます。一般の人には難しすぎる話ですが、「複雑な波の動きを、新しい公式でシンプルに予測できるようになった」というのが、この論文の最大の功績です。

以下は、Artur Kawalec による論文「On the series expansion of the secondary zeta function about s = 1 and its coefficients（s=1 における二次ゼータ関数の級数展開とその係数について）」の技術的サマリーです。

1. 問題の背景と定義

本論文は、リーマン・ゼータ関数の非自明な零点の虚部 $\gamma_n$ に基づいて定義される二次ゼータ関数（Secondary Zeta Function） $Z(s)$ の解析的性質、特に $s=1$ におけるローラン級数展開の係数に関する研究です。

二次ゼータ関数の定義:
$Z(s) = \sum_{\gamma} \frac{1}{\gamma^s}$
ここで、 $\gamma$ はリーマン仮説（RH）が成り立つと仮定した場合の、非自明な零点 $\rho = \frac{1}{2} + i\gamma$ の正の虚部を表します。この級数は $\Re(s) > 1$ で絶対収束します。
特異点と展開:
$Z(s)$ は $s=1$ で2 位の極を持ち、負の奇数整数で 1 位の極を持ちます。 $s=1$ におけるローラン展開は以下の形をとります（Ivić による導出）：
$Z(s) = \frac{1}{2\pi(s-1)^2} - \frac{\log(2\pi)}{2\pi(s-1)} + \sum_{n=0}^{\infty} \frac{C_n}{n!} (s-1)^n$
本研究の焦点は、この展開の正則部分の係数 $C_n$ を計算するための新しい公式の導出と、その高精度な数値検証にあります。

2. 手法と理論的導出

著者は、Brent (BPT) の手法や Stieltjes 積分、漸近公式を用いて、係数 $C_n$ を直接計算するための極限公式を導出しました。

主要な定理（Theorem 1）の導出:
係数 $C_n$ に対する新しい極限公式を導出しました。これは、リーマン・ゼータ関数の Stieltjes 定数に類似した形式です。
$C_n = \lim_{T \to \infty} (-1)^n \left( \sum_{\gamma < T} \frac{\log^n(\gamma)}{\gamma} - \frac{1}{2\pi(n+1)(n+2)} \log^{n+1}(T) \log\left( \frac{T^{n+1}}{(2\pi)^{n+2}} \right) \right)$
この導出には、零点の個数関数 $N(T)$ の Riemann-von Mangoldt 公式 $N(T) = L(T) + Q(T)$ を用いた部分積分と、積分項の漸近挙動の解析が含まれます。特に、 $Q(T)$ （誤差項）の積分表現が $C_n$ の定数項として現れることを示しました。
収束性の改善（Theorem 2）:
上記の公式は、誤差項が $O(\frac{\log^{n+1} T}{T})$ であり、収束が遅いという課題がありました。そこで、Brent (BPT) の定理を適用し、誤差項を $O(\frac{\log^{n+1} T}{T^2})$ のオーダーまで改善する補正項を追加する手法を提案しました。これにより、有限個の零点（ $T$ まで）を用いた計算の精度が大幅に向上します。

3. 数値計算と結果

論文では、導出された公式の数値検証と高精度計算が行われました。

計算環境とデータ:
- 約 200 万個の非自明な零点（ $T \approx 1.13 \times 10^6$ ）のデータベースを使用。
- 高精度計算には、Arias De Reyna (ADR) によるアルゴリズムを参照・利用。
- 以前の研究（著者自身によるもの）で $C_0$ を 111 桁まで計算した結果を再検証。
具体的な計算結果:
- $n=0$ の場合: 補正なしの直接計算では 5 桁程度、BPT 補正を適用した計算では 12 桁以上の精度で $C_0 \approx 0.251636751312...$ を再現しました。
- $n=1, 2$ の場合: 同様に、補正項を適用することで、それぞれ 10 桁以上の精度で係数を一致させることができました。
- 係数表の作成: 参考文献として、 $n=0$ から $n=50$ までの係数 $C_n$ を 50 桁の精度で計算した表（Table 1）を提供しています。これらの値は、ADR アルゴリズムを用いて計算された基準値です。

4. 主要な貢献

新しい極限公式の導出: $s=1$ における二次ゼータ関数の展開係数 $C_n$ に対する、零点の和と対数項の組み合わせによる明示的な極限公式を初めて一般化（ $n \ge 0$ ）して導出しました。
収束性の劇的な改善: Brent の定理を応用し、誤差項を $O(1/T)$ から $O(1/T^2)$ に改善する手法を提案しました。これにより、限られた零点データから高精度な係数を算出することが可能になりました。
高精度な係数データベース: 50 桁の精度を持つ $C_n$ の係数表（ $n=0 \sim 50$ ）を構築し、将来の研究のための基準値を提供しました。

5. 意義と今後の展望

本論文は、リーマン仮説の下でのゼータ関数の零点分布と、それらから構成される二次ゼータ関数の解析的性質を深く結びつける重要な成果です。

理論的意義: Stieltjes 定数の二次ゼータ関数版としての $C_n$ の構造を明らかにし、その計算可能性を理論的に保証しました。
実用的意義: 提案された BPT 補正法は、数値計算において収束を加速させる有効な手法であり、高次項の係数計算や、より大きな $T$ を用いた精密な数値実験に応用可能です。
今後の課題: 著者は、計算された係数の多くが小数点以下 100 桁以上の精度を持つ可能性を示唆していますが、その完全な検証にはさらなる解析と計算リソースが必要であると述べています。

総じて、本論文は数論における特殊関数の解析と数値計算の両面で、二次ゼータ関数の研究に新たな基礎とツールを提供するものです。