A sharp almost sure upper bound for partial sums of random multiplicative functions

技術的要約：ランダム乗法的関数の部分和に対する鋭いほとんど確実な上界

問題設定
本論文は、ランダム乗法的関数 $f$ の部分和 $M_f(x) = \sum_{n \le x} f(n)$ のほとんど確実な漸近挙動（almost sure asymptotic behavior）を扱う。研究の対象は以下の2つの特定のモデルである：

1. シュタインハウス・モデル (Steinhaus Model): $f(p)$ は単位円 $\mathbb{T}$ 上で独立かつ一様に分布し、完全乗法的に拡張される。
2. ラデマッハー・モデル (Rademacher Model): $f(p)$ は独立な対称符号 ($\pm 1$) であり、平方自由整数（$\mu^2(n)=1$ に支持される）に対して乗法的に拡張される。

第2モーメント $E|M_f(x)|^2$ は $x$ のオーダーでスケールするが、相関関係のために、ほとんど確実な上界はより大きくなると予想される。先行研究では、$\sqrt{x}(\log \log x)^{1/4}$ のオーダーの下界（Harper [12]）や、より大きな対数指数を持つ様々な上界（例：$\sqrt{x}(\log \log x)^{2+\varepsilon}$ (Basquin [3]); $\sqrt{x}(\log \log x)^{3/4+\varepsilon}$ (Caich [5])）が確立されている。Harperは、鋭いほとんど確実な上界は、指数の $\varepsilon$ の範囲内で下界と一致する、すなわち $\sqrt{x}(\log \log x)^{1/4+\varepsilon}$ となるはずだと予想した。

手法
著者らは、予想された境界を証明するために、多段階的な確率論的および解析的な戦略を採用している。証明は Caich [5] の一般的な構成に従っているが、モーメント推定において決定的な洗練を加えている。

1. 離散化と補間 (Discretization and Interpolation):
   連続変数 $x$ を、疎なテスト点列 $x_i = \lfloor \exp(i c_0) \rfloor$ に置き換える。補題 3.8 は、連続するテスト点間の $M_f(x)$ の変動が、ほとんど確実に $\log x$ のいかなるべき乗よりも小さいことを示しており、これにより問題を $M_f(x_i)$ の評価に還元できることを示している。

2. 最大素因数分解 (Largest-Prime Decomposition):
   $M_f(x_i)$ を、$n \le x_i$ である整数の最大素因数 $P(n)$ に基づいて分解する。素数はブロック $(y_{j-1}, y_j]$ に分割される。

   • 滑らかな項 (Smooth Term): $P(n) \le y_0$ である整数。
   • 単一出現項 ($M_f^{(1)}$): 最大の素数がちょうど一度だけ現れる整数。これは素数にインデックス付けされたマルチンゲールを形成する。
   • 重複出現項 ($M_f^{(2)}$): 最大の素数が少なくとも2回現れる整数。ラデマッハー・モデルでは、この項は消失する。

3. 平滑化と二次変動 (Smoothing and Quadratic Variation):
   単一出現項の制御は、その予測可能な二次変動 $V_\ell(x_i; f)$ を抑えることに依存する。著者らは、平滑化不等式（命題 3.15）を利用して、$V_\ell$ を主たる対数平均二乗項 $M_\ell$ といくつかの補助的な誤差項（$\lambda$-項、境界項、および $W$-項）に関連付ける。補助的な項は、標準的な確率論的手法（Doob の不等式、Azuma–Hoeffding 不等式）を用いて可和であることが示される。

4. 核心的革新：条件付き高次モーメント (Key Innovation: Conditional Higher Moments):
   核心的な困難は、$J \asymp \log \log x$ 個の素数ブロック全体にわたって、主項 $M_\ell$ を一様に制御することにある。

   • 従来のアプローチ (Caich): ブロックごとに和をとった条件付き第1モーメント推定に依存しており、その結果、$\sqrt{\log \log x}$ の因子による損失が生じていた。
   • 現在のアプローチ: 著者らは、固定された条件付き $r$ 次モーメント推定（シュタインハウスについては命題 5.2、ラデマッハーについては命題 7.8）を導入する。彼らは、傾斜（tilted）および正規化されたオイラー積積分 $I_j$ を定義し、それが超マルチンゲールを形成することを証明する（補題 5.1, 補題 7.7）。
   • 決定的なことに、彼らは $U_j$ が主項を支配する場合において、$E[U_j^r \mid \mathcal{F}_{y_{j-1}}] \ll I_{j-1}^r$ であることを確立する。この高次モーメントの制御は、停止引数（シュタインハウスの場合は Harper [9] の $2/3$ モーメント境界を用い、ラデマッハーの場合はシフトされた推定を用いる）と組み合わせることで、補償因子 $L^{-1}$（ここで $L \asymp \log \log x$）をもたらす。これにより、 $J$ 個のブロックに対する和集合境界（union bound）による損失が正確に相殺され、余分な $\sqrt{\log \log x}$ の損失が排除される。

5. モデル固有の調整 (Model-Specific Adjustments):

   • シュタインハウス: 標準的な超収縮不等式（補題 3.1）と、全直線における Harper の低次モーメント推定（補題 4.1）を使用する。
   • ラデマッハー: 符号が回転不変ではないため、修正が必要となる。著者らは、シフトされた単位区間推定（補題 7.4）を用い、ラデマッハー・モデルの特定のオイラー積構造（補題 7.7）に合わせて超マルチンゲール構成を適応させる。

主要な結果
主定理は、両方のモデルに対して鋭いほとんど確実な上界を確立する：

定理 1: $f$ がシュタインハウスまたはラデマッハーのいずれかのランダム乗法的関数であるとする。任意の $\varepsilon > 0$ に対して、ほとんど確実に：
$$|M_f(x)| \ll_{\varepsilon, f} \sqrt{x} (\log \log x)^{1/4 + \varepsilon}$$

これは、より精密な固定次数の言明である 命題 1.1 によって支持される。任意の整数 $r \ge 2$ および $\eta > 0$ に対して、ほとんど確実に：
$$|M_f(x)| \ll_{r, \eta, f} \sqrt{x} (\log \log x)^{1/4 + 1/(2r) + \eta}$$

これに Harper の下界 (1.6) を組み合わせることで、著者らは正確な対数指数を導出する：
$$\limsup_{x \to \infty} \frac{\log(1 + |M_f(x)|/\sqrt{x})}{\log \log \log x} = \frac{1}{4}$$

意義と主張
本論文は、ランダム乗法的関数の大きな揺らぎに関する Harper の予想を解決したと主張している。対数指数 $1/4$ を決定することで、これまでの上界（指数が $2$や$3/4$ などのもの）と既知の下界との間の乖離を解消した。

著者らは、証明が独立性の議論（相関関係により失敗する）に依存するのではなく、むしろ $x$ が変化するにつれてこれらの相関がどのように持続するかについての洗練された理解に基づいていることを強調している。主要な技術的貢献は、先行研究における条件付き第1モーメントのステップを、単一の素数ブロックに対する固定された条件付き $r$ 次モーメント推定に置き換えたことである。この革新により、対数的な数の素数ブロックに対する和集合境界を正確に吸収することが可能となり、予想された指数を達成した。論文は、この結果が、下界とともに、これらのランダム乗法的関数の部分和のほとんど確実な大きさを完全に特徴付けていると断言している。