The Fyodorov--Hiary--Keating Conjecture on Mesoscopic Intervals

기술적 요약: mesoscopic 구간에서의 Fyodorov–Hiary–Keating 추측

문제 제기
본 논문은 임계선 $\Re(s) = 1/2$ 상의 리만 제타 함수 $\zeta(s)$ 에 대한 최댓값과 2 차 모멘트 (partition function) 의 분포를 "mesoscopic" 짧은 구간에서 다룬다. 구체적으로, 저자들은 $\tau$ 가 $[T, 2T]$ 에서 균일 분포하고 $\theta \in (-1, 0]$ 일 때, $\max_{|h| \le (\log T)^\theta} |\zeta(1/2 + i(\tau + h))|$ 의 거동과 그 제곱의 적분을 조사한다.

핵심 문제는 Fyodorov–Hiary–Keating (FHK) 추측을 검증하는 것으로, 이 추측은 이러한 구간에서 $\log |\zeta|$ 의 국소 최댓값이 분기 랜덤 워크 (BRW) 의 최댓값처럼 거동한다고 예측한다. $\theta < 0$ 인 경우의 주된 차수 거동은 (Arguin, Ouimet, Radziwił�에 의해) 그리고 $\theta = 0$ 인 경우의 전체 분포는 (Arguin, Bourgade, Radziwiłł에 의해) 이전에 확립되었으나, $\theta \in (-1, 0)$ 인 경우의 정확한 하위 차수 (sub-leading order) 와 가우스 변동 항의 명시적 식별에 대해서는 여전히 미해결 상태였다.

방법론
저자들은 제타 함수와 분기 랜덤 워크 간의 연결에 기반한 확률론적 접근법을 사용하며, Arguin, Bourgade, Radziwiłł [6] 에서 차용한 재귀적 방식을 활용한다. 방법론은 다음과 같은 몇 가지 핵심 기술적 구성 요소를 포함한다:

1. 제타 함수의 분해: 저자들은 $\log |\zeta(1/2 + i(\tau + h))|$ 를 소수 $p \le \exp((\log T)^{|\theta|})$ 까지의 상관관계를 포착하는 "긴" 디리클레 다항식 부분 $S_{t_\theta}(h)$ 과 "짧은" 이동된 부분 $S_k(h) = S_{t_\theta+k}(h) - S_{t_\theta}(h)$ 로 분해한다.

   • $\theta < 0$ 인 경우, 항 $S_{t_\theta}(0)$ 은 구간 전체에서 거의 일정한 공통 인자로서 가우스 변동을 도입한다.
   • 나머지 항은 깊이 $t(1+\theta)$ 인 트리 위의 BRW 로 모델링된다.

2. 재귀적 장벽 방식: 최댓값을 제한하기 위해 저자들은 특정 체크포인트 $t_\ell$ 에서 부분 합 $S_k(h)$ 가 만족해야 하는 상한 및 하한 장벽 ($U_y(k)$ 및 $L_y(k)$) 으로 정의된 "좋은 집합" $G_\ell$ 의 시퀀스를 구성한다. Bramson [15] 에 의해 BRW 를 위해 처음 개발된 이 방식은 평균값 정리를 통한 모멘트 추정이 유효한 길이로 디리클레 다항식의 범위를 제한함으로써 큰 편차를 제어할 수 있게 한다.

3. 분할 함수를 위한 부분 장벽 전략: 임계점 ($\beta=2$) 에서의 2 차 모멘트 (partition function) 에 대해 저자들은 "부분 장벽" 전략을 도입한다. 전체 시간 구간에 걸쳐 장벽이 필요했던 이전 접근법과 달리, 시간 $t^* = (t - t_\theta)/2$ 까지의 과정만 제한해도 올바른 정규화 인자를 복원할 수 있음을 보여준다. 이는 전체 구간에서 긴 디리클레 다항식을 제어하는 기술적 어려움을 피한다.

4. 상관관계 제어: 중요한 기술적 보조정리 (Proposition 1.5) 는 소수 $p \le \exp((\log T)^{|\theta|})$ 로부터의 기여가 구간 $|h| \le (\log T)^\theta$ 에서 본질적으로 일정하며, 편차가 가우스 꼬리처럼 감소함을 확립한다. 이는 최댓값 및 모멘트 추정식에서 항 $|P_\tau(\theta)|$ ( $e^{-S_{t_\theta}(0)}$ 와 관련됨) 를 분리하는 것을 정당화한다.

주요 기여 및 결과

1. 국소 최댓값에 대한 상한 (Theorem 1.2):
   저자들은 mesoscopic 구간에서 $\zeta$ 의 최댓값에 대한 날카로운 상한을 증명한다. 고정된 $\theta \in (-1, 0]$ 과 큰 $T$ 에 대해, 최댓값이 임계값 $y$ 를 초과할 확률은 다음과 같이 제한된다:
   $$P\left( \max_{|h| \le (\log T)^\theta} |\zeta(1/2 + i(\tau + h))| > e^y \frac{(\log T)^{1+\theta}}{(\log \log T)^{3/4}} \right) \le C y \exp\left(-2y - \frac{y^2}{(1+\theta)\log \log T}\right)$$
   결정적으로, 이 결과는 FHK 추측에서 가우스 항의 원천을 $S(t) = S_{t_\theta}(0)$ 로 명시적으로 식별하며, 이는 표준 가우스 분포로 수렴한다. 이는 $\theta \in (-1, 0]$ 에 대해 곱셈 상수까지 추측의 상한을 해결한다.

2. 분할 함수에 대한 상한 (Theorem 1.3):
   본 논문은 mesoscopic 구간에서 2 차 모멘트 $Z_2(\theta)$ 에 대한 상한을 유도한다. 이 결과는 $Z_2(\theta)$ 가 임계값을 초과할 확률이 $A^{-1+\epsilon}$ 로 감소함을 보여준다. 이 상한은 긴 소수에서 기인한 로그 정규 인자와 짧은 소수에서 기인한 제곱근 보정 항 $\sqrt{\log \log T}$ 의 곱을 특징으로 하며, $\theta=0$ 인 경우의 Harper 의 결과를 일반화한다.
   $$P\left( Z_2(\theta) |P_\tau(\theta)|^2 \ge A \frac{(\log T)^{1+\theta}}{\sqrt{(1+\theta)\log \log T}} \right) \le C A^{-1+\epsilon}$$

3. 제약된 큰 편차 추정 (Theorem 1.4):
   저자들은 소수 구간에서 장벽에 의해 제약된 $\log |\zeta|$ 에 대한 큰 편차 추정을 확립한다. [1] 과 [6] 의 기법을 일반화한 이 결과는 독립적인 관심을 끌며 주요 정리의 기술적 엔진 역할을 한다. 이는 장벽 제약 하에서 제타 함수가 값 $V$ 를 초과할 확률을 가우스 랜덤 워크에 대한 해당 확률과 연관시킨다.

의의
본 논문은 mesoscopic 구간 ($\theta \in (-1, 0]$) 에 대한 Fyodorov–Hiary–Keating 추측의 상한을 $O(1)$ 정밀도로 해결한다고 주장하며, 이는 이전의 주된 차수 결과보다 큰 개선이다. 가우스 변동 항 $S(t)$ 를 명시적으로 식별함으로써, 이 연구는 최댓값의 구조를 명확히 하여, 긴 소수에서 기인한 가우스 변수와 짧은 소수에서 기인한 분기 랜덤 워크의 최댓값의 합임을 확인한다.

또한, 본 논문은 $\theta = 0$ 에서의 임계 2 차 모멘트에 대한 Harper 의 경계에 대한 새로운 증명을 제공하며 이를 $\theta < 0$ 으로 일반화한다. 저자들은 그들의 증명이 전체 구간의 장벽 전체의 복잡성에 의존하지 않고 고점의 측도를 엄격하게 제어할 수 있게 해주는 "부분 장벽" 전략을 활용한다는 점에서 Harper 의 접근법과 다르다고 지적한다. 이 연구는 $\theta=0$ (랜덤 행렬 이론 유사체) 과 $\theta < 0$ 에 대한 알려진 결과 간의 간극을 메워, 서로 다른 스케일에서 제타 함수의 극단적 값을 이해하기 위한 통합된 프레임워크를 제공한다.