Subconvexity of Short $k$-Free Exponential Sums

技術的要約：短区間における $k$ 自由指数和の劣凸性

問題設定
本論文は、$k$ 自由整数上の短区間における指数和のモーメントを調査するものである。$k \ge 2$ を整数とし、$\mu_k(n)$ を $k$ 自由整数（素数の $k$ 乗で割り切れない整数）の指示関数とする。対象となる中心的な対象は、区間 $(N-K, N]$ における指数和である：
$$S_k(\alpha; K) = \sum_{N-K < n \le N} \mu_k(n) e(n\alpha),$$
ここで $e(x) = e^{2\pi i x}$ である。主な目的は、全区間の場合（$K=N$）に既知である「期待される」漸近挙動を、区間の長さ $K$（$N$ に対する相対的な長さ）がどの範囲にあるときに満たすかを決定することである：
$$\int_0^1 |S_k(\alpha; K)|^s d\alpha \asymp_{k,s} \begin{cases} K^{\frac{s}{k+1}} & \text{if } s < 1 + \frac{1}{k}, \\ K^{s-1} & \text{if } s > 1 + \frac{1}{k}. \end{cases}$$
本論文では、これらの評価が任意の $K \gg N^\theta$ に対して成立するような $\theta$ の下限として指数 $\theta_{k,s}$ を定義する。目的は、この $\theta_{k,s}$ の値を下げ、期待される挙動がより短い区間でも持続すること、すなわち「平方根の障壁」（$\theta < 1/2$）を打破することである。

手法
アプローチは、指数和を「中間部分」の和へと分解すること、およびこれらの成分に対する洗練された $L^2$ 推定量の適用に基づいている。

1. 分解: 指数和 $S_k(\alpha; K)$ は、恒等式 $\mu_k(n) = \sum_{d^k|n} \mu(d)$ を用いて分解される。著者は「中間部分」の和 $c_n(y, z) = \sum_{y < d \le z, d^k|n} \mu(d)$ を定義し、$d$ の大きさに基づいて指数和を区分的な二重区間 $T_i(\alpha)$ に分割する。全和は、小さな $d$ を足し合わせる「低次」部分 $h_D(\alpha)$ と、大きな $d$ を足し合わせる「高次」部分 $H_D(\text{仮に } H_D(\alpha) \text{ とする})$ に分けられる。ここで $D \approx \log K$ である。
2. 核となる推定（補題 1.2）: 本論文の技術的な中核は、これらの中間部分の和の平均二乗に関する新しい評価である：
   $$\sum_{N-K < n \le N} |c_n(y, z)|^2 \ll K y^{1-k} + N^\varepsilon K^{1/k} + N^{\delta_k + \varepsilon},$$
   ここで $\delta_k$ は $k$ に依存する特定の定数である。この推定には以下のツールが組み合わされている：
   • ペロンの公式 (Perron's Formula): 和の範囲が小さい場合の乗法的構造を扱うために使用される。
   • 双曲線法 (Hyperbola Method): 鋸歯関数 $\psi(x)$ を含む長い和を短縮するために適用される。
   • ヴァン・デル・コルプトの手法 (Van der Corput's Method): 単次元および多次元の両方のバージョンが利用される。本論文では、最適な指数対 $(p, q)$ を選択するために、ヴィノグラドフの平均値定理の主予想の解決策を採用している。
   • ゼータ関数の評価: ディリクレ多項式とともに、$\zeta(s)$ の標準的な凸性境界が用いられる。
3. モーメントの補間: 分解された和の $L^s$ モーメントの評価は、$L^1$ および $L^2$ 推定の間の補間によって導かれる。劣臨界ケース（$s < 1 + 1/k$）では、和を滑らかにし、下限を扱うためにフェイェール核（Fejér kernels）を用いる。臨界および超臨界ケース（$s \ge 1 + 1/k$）では、ヘルダーの不等式と、高次部分の和 $H_D(\alpha)$ の注意深い点別推定を利用する。

主要な貢献と結果

• 定理 1.1 (主結果): 本論文は、許容される指数 $\theta_{k,s}$ に対する明示的な上界を確立する。$s \neq 1 + 1/k$ のとき、以下が証明される：
  $$\theta_{k,s} \le \begin{cases} \left(\frac{k+1}{2}\right)\delta_k & \text{if } s < 1 + \frac{1}{k}, \\ \left(\frac{1}{2} + \frac{1}{2(s-1)}\right)\delta_k & \text{if } 1 + \frac{1}{k} < s < 2, \\ \delta_k & \text{if } s \ge 2. \end{cases}$$
  ここで、$\delta_2 = 105/317 \approx 0.331$ であり、$k \ge 3$ の場合、$\delta_k$ は $1/(k+1)$ 未満となる特定の有理関数によって定義される。
• 平方根の障壁の打破: $s=1$（$L^1$ 平均）の場合の重要な帰結として、期待される挙動は $K \gg N^\theta$ かつ $\theta < 1/2$ である区間において成立する。具体的には、$k=4$ の場合、境界は $K \gg N^{1555/3142 + \varepsilon} \approx N^{0.49491}$ に達する。
• 定理 1.5 (臨界モーメント): 臨界指数 $s = 1 + 1/k$ について、以下を証明する：
  $$K^{1/k} \log K \ll \int_0^1 |S_k(\alpha; K)|^{1+1/k} d\alpha \ll K^{1/k} (\log K)^{2-1/k},$$
  これは $K \gg N^{(\frac{k+1}{2})\delta_k + \varepsilon}$ において有効である。これは、全区間の場合（$K=N$）の上界をわずかに改善するものである。
• 系 1.8 (メビウス関数の応用): 直交性を用いて $k$ 自由和をメビウス捻り付き和に関連付けることにより、$\sum \mu(n)e(n\alpha)$ の $L^1$ 平均の下限を導出する。これにより、$K \gg N^{105/317 + \varepsilon} \approx N^{0.49685}$ のとき、積分が $\gg K^{1/6}$ であることを示す。これは Sun による以前の最良の結果（$K \gg N^{9/17}$）を改善するものである。

意義と主張
本論文は、補題 1.2 の強さが $\theta_{k,s} = 0$ を達成するための「唯一の障害」であると主張している。結果は、中間部分の和の $L^2$ 推定（具体的には式 1.5 における指数 $\Delta_k$ の削減）をさらに改善することが、直ちにすべてのモーメントに対するより強い劣凸性の結果へとつながることを示している。

著者は、$s=2$ のケースが $k$ 自由整数の短区間における古典的な問題に対応していると述べている。本論文のこの特定のケースに対する境界は、まだ最強の既知の結果（例：Filaseta および Trifonov による $k$ 自由の隙間の結果）には一致しないものの、その手法は統一的な枠組みを提供している。また、本論文は、メビウス関数の $L^1$ 平均の改善が、洗練された補題 1.2 の直接的な帰結であることを明記している。

本研究は、Sun, Balog, Ruzsa, および Keil の先行研究を、指数和の理論（特にヴィノグラドフの平均値定理の解決）における現代的なツールを用いて一般化および改善したものであり、短区間における劣凸性の限界を押し広げるものである。本論文は、$k$ 自由整数の隙間の問題を完全に解決したと主張しているのではなく、導出された $\theta_{k,2}$ に関する境界が、より良い隙間の結果への一歩であることを示唆している。