Joint distribution of primes in multiple short intervals

기술 요약: 다중 짧은 구간에서의 소수의 결합 분포

문제 정의
본 논문은 여러 개의 짧은 구간 내에서 가중치가 부여된 소수의 개수 $\psi(x)$의 통계적 거동을 조사한다. 소수 정리(Prime Number Theorem)가 소수의 평균 밀도를 확립한 반면, 짧은 구간에서의 $\psi(x+H) - \psi(x)$의 변동은 집중적인 연구 대상이었다. Montgomery와 Soundararajan의 선행 연구는 $H \to \infty$이고 $\log H / \log N \to 0$인 구간 $H$에 대해, 그 분포가 점근적으로 정규 분포를 따른다는 것을 확립했다. 그러나 다중 서로소인 짧은 구간에서의 소수의 결합 분포, 특히 "곱셈적" 구간(즉, 길이 $h = \delta x$와 같이 위치 $x$에 따라 척도가 변하는 경우)의 맥락에서 이들 간의 상관관계는 여전히 미개척 영역으로 남아 있었다.

본 논문이 다루는 핵심 질문은 다음과 같다:

1. 상한 $X \to \infty$일 때, $r$개의 서로소인 짧은 구간 내 가중 소수 개수의 결합 극한 분포는 무엇인가?
2. 이들의 개수는 어떻게 상관되어 있는가?
3. 이러한 상관관계가 (산술 급수에서의 Shanks–Rényi 소수 경주와 유사하게) "소수 경주"(구간 간의 소수 개수 비교)에서 편향(bias)을 유도하는가?

방법론
저자는 푸리에 분석적 접근 방식을 채택하여, (원래 산술 급수에서의 소수를 위해 개발된) Rubinstein과 Sarnak의 방법을 짧은 구간의 설정에 맞게 변형하였다. 핵심 가정은 리만 가설(RH)과 리만 제타 함수의 비자명한 영점들의 양의 횡좌표(ordinate)에 관한 선형 독립성(LI) 추측이다.

주요 방법론적 단계는 다음과 같다:

• 명시적 공식(Explicit Formula): 명시적 공식을 사용하여 소수 계수 함수 $\psi(x)$를 제타 함수의 영점 $\rho = 1/2 + i\gamma$와 연결한다.
• 무작위 모델 구축: RH와 LI 하에서, 정규화된 소수 개수의 편차는 특정 함수 $w(\rho)$에 의해 가중치가 부여되고 단위 원 위에 균등하게 분포된 독립 무작위 변수 $U_\gamma$에 의해 곱해지는 영점들의 합을 포함하는 무작위 벡터 $X_{\delta, t}$로 모델링된다.
• 로그 밀도(Logarithmic Density): 분포는 로그 밀도($\frac{1}{\log X} \int_2^X \dots \frac{dx}{x}$)에 대해 분석되는데, 이는 곱셈적 구간에 자연스러운 방식이다.
• 특성 함수(Characteristic Functions): 증명은 극한 측도의 푸리에 변환(특성 함수)을 분석하는 데 크게 의존한다. 저자는 이 변환을 나타내는 베셀 함수($J_0$)의 무한 곱을 유도한다.
• 점근적 분석: 공분산 행렬을 추정하고 푸리에 역변환 공식의 오차항을 제어함으로써, 저자는 다변량 가우스 분포로의 수렴을 입증한다. 이 분석은 Riemann–von Mangoldt 공식과 구간 사이의 반발력을 설명하는 함수 $\Delta(t)$의 성질을 활용한 영점들에 대한 합의 정밀한 추정을 포함한다.

주요 기여 및 결과

1. 다변량 가우스 분포:
   본 논문은 RH와 LI 하에서, 길이 $\delta x$를 가진 $r$개의 서로소인 짧은 구간 내 가중 소수의 개수가 다변량 가우스 분포를 따름을 증명한다. 평균은 (정규화 후) 0이며, 공분산 구조는 명시적으로 결정된다.

2. 약한 음의 상관관계:
   주요 발견 중 하나는 서로소인 짧은 구간 내의 소수 개수가 독립적이지 않으며, 약한 음의 상관관계를 보인다는 것이다. 두 구간 사이의 매개변수 거리 $|t_j - t_k|$에 따른 공분산은 대략 $-\frac{\Delta(|t_j - t_k|)}{\log(1/\delta)}$에 비례한다. 함수 $\Delta(t)$는 큰 $t$에 대해 $1/(2t)$처럼 행동한다. 이는 "쿨롱 유사(Coulomb-like)" 반발력을 의미한다: 즉, 한 구간의 소수는 인접한 다른 구간의 소수가 나타날 가능성을 약간 억제한다.

3. 소수 경주의 상전이(Phase Transition):
   이러한 분포적 결과를 "소수 경주"(여러 구간의 소수 개수 순위 매기기)에 적용하여, 저자는 뚜렷한 상전이를 식별한다:

   • 편향되지 않은 영역(Unbiased Regime): 구간의 수 $r$이 $\log(1/\delta)$에 비해 작을 경우(구체적으로 $r = o(\frac{\log(1/\delta)}{\log \log(1/\delta)})$), 경주는 점근적으로 편향되지 않은 상태를 유지한다. 즉, 모든 순위가 거의 동일한 확률($1/r!$)로 발생한다.
   • 편향된 영역(Biased Regime): $r$이 임계값(대략 $\frac{\log(1/\delta)}{\log \log(1/\delta)}$에 비례함)을 초과하면 편향이 나타난다. 저자는 $r$이 충분히 클 때, 다른 순위보다 현저히 낮은 확률로 발생하는 구간 순위들이 존재함을 보여준다. 이는 누적된 음의 상관관계의 직접적인 결과이다.

4. 양적 선형 독립성(QLI) 확장:
   단일 이동 구간(길이 매개변수 $\delta$가 $X \to \infty$에 따라 0으로 수렴하는 경우, 구체적으로 $\delta > (\log X)^{-\varepsilon}$)에 대하여, 저자는 양적 LI 추측(QLI)을 가정하여 중심 극한 정리를 증명한다. 이는 질적 LI만으로 기존에 확립되었던 것보다 더 짧은 구간까지 가우스 분포의 유효성을 확장한다.

의의 및 주장
본 논문은 Rubinstein–Sarnak 프레임워크를 사용하여 잔여 클래스(residue classes)가 아닌 구간 길이에 초점을 맞춘, 짧은 구간 내 다중 소수 분포 연구의 첫 번째 시도라고 주장한다.

• 신규성: 양적 LI 정식화를 따르는 단일 이동 구간의 경우에도 이 결과는 새로운 것이다.
• 편향의 메커니즘: 본 연구는 짧은 구간에서의 소수 경주에서 발생하는 편향의 출현에 대해 투명한 설명을 제공하며, 이를 공분산 행렬의 특정한 구조(약한 음의 상관관계)와 구간의 수가 증가함에 따라 이 상관관계가 집적되는 현상에 기인한다고 밝힌다.
• 예리함(Sharpness): 저자는 추출된 상전이의 임계 임계값이 Shanks–Rényi 경주의 맥락에서 도출된 이전 결과들보다 더 예리하다고 언급하는데, 이는 정밀한 상관관계 구조와 공분산 행렬의 행렬식에 대한 정교한 추정 덕분이다.
• 한계: 저자는 사용된 Berry–Esseen 유형의 논증이 구간의 수 $r$에 제한을 둔다는 점을 인정한다(즉, $\delta^{-1}$의 완전한 거듭제곱에 도달하지 못함). 저자는 Stein의 방법이나 Lindeberg 유형의 방법이 이 범위를 확장할 수 있을 것이라고 제안하지만, 현재의 푸리에 분석적 접근 방식은 총 변동 거리(total variation distance)에 대한 타이트한 경계치를 확립하기 위해 선택되었다.

요약하자면, 본 논문은 다중 짧은 구간 내 소수에 대한 엄밀한 확률적 프레임워크를 구축하며, 구간 사이의 미묘한 반발력이 비교 소수 계수 측정에서의 편향되지 않은 행동으로부터 편향된 행동으로의 상전이를 유도함을 밝혀낸다.