Asymptotic independence of $\Omega(n)$ and $\Omega(n+1)$ along logarithmic averages

기술적 요약: 로그 평균에 따른 $\Omega(n)$과 $\Omega(n+1)$의 점근적 독립성

문제 정의
본 논문은 중복도를 포함하여 계산된 소인수의 개수 $\Omega(n)$에 대하여, 연속된 정수 $n$과 $n+1$의 결합 분포를 다룬다. 구체적으로, 본 논문은 로그 평균을 취했을 때 $\Omega(n)$과 $\Omega(n+1)$의 값들이 갖는 점근적 독립성을 조사한다. Chowla 추측이 리우빌 함수 $\lambda(n) = (-1)^{\Omega(n)}$(패리티의 특수한 경우)에 대한 상관관계의 부재를 상정하고, Erdős-Kac 정리가 개별적인 $\Omega(n)$의 가우스 분포를 설명하는 반면, 일반적인 유계 함수 $a(\Omega(n))$와 $b(\Omega(n+1))$에 대한 결합 거동은 미해결 문제로 남아 있었다. 저자들은 임의의 유계 함수 $a, b: \mathbb{N} \to \mathbb{C}$에 대하여, 그 곱의 로그 평균이 작은 오차 항을 제외하고 각 개별 평균의 곱으로 분해됨을 증명하고자 한다.

방법론
증명 전략은 로그 평균적 Chowla 추측의 $k=2$ 케이스를 해결한 Tao의 프레임워크를 따르되, 반드시 곱셈적이지 않은 함수들도 다룰 수 있도록 조정되었다. 핵심 접근 방식은 다음과 같은 몇 가지 주요 단계로 구성된다:

1. 곱셈적 함수로의 환원: 저자들은 일반적인 함수 $a(\Omega(n))$와 $b(\Omega(n+1))$의 상관관계를 바운딩하는 문제를 특정 완전 곱셈적 함수(completely multiplicative functions)들의 상관관계를 바운딩하는 문제로 환원한다. 이는 푸리에 해석적 방법론과 양적 Erdős-Kac 정리, 그리고 이동된 소수(shifted primes) 위에서의 $\Omega(n)$ 분포에 관한 Helfgott와 Radziwiłł의 결과를 결합하여 달성된다.
2. 주파수 분해: 문제는 관련 함수의 푸리에 계수에 기초하여 "작은 주파수(small frequencies)"와 "큰 주파수(large frequencies)"로 분해된다.
   • 작은 주파수: 제로 근처의 주파수 $\xi$에 대하여, 연관된 곱셈적 함수들은 반드시 강한 비주기성(strongly aperiodic)을 갖지는 않는다. 저자들은 이 항들을 제어하기 위해 국소적 Erdős-Kac 정리에 대한 양적 바운드를 설정한다. 이 과정에서 지수 함수의 테일러 근사와 큰 소수들로부터 발생하는 오차 항을 관리하기 위해 Turán-Kubilius 부등식을 활용한다.
   • 큰 주파수: 제로에서 떨어진 주파수 $\xi$에 대하여, 연관된 곱셈적 함수들은 Matomäki, Radziwiłł, Tao(MRT)의 의미에서 "강한 비주기성"을 갖는 것으로 나타난다. 이를 통해 단 구간 내 곱셈적 함수의 평균값에 관한 MRT의 심오한 결과들을 적용할 수 있다. 이 증명은 해당 함수들과 뒤틀린 디리클레 캐릭터(twisted Dirichlet characters) 사이의 거리(pretentious 의미에서)에 대한 양적 하한을 설정하는 데 의존한다.
3. 원법(Circle Method) 및 영역이 없는 영역(Zero-Free Regions): 큰 주파수에 대한 분석은 뒤틀린 캐릭터로부터의 필요한 거리 바운드를 보장하기 위해 원법 추정치와 리만 제타 함수 및 디리클레 L-함수의 Vinogradov-Korobov 영 영역을 사용한다.

주요 기여 및 결과
주요 결과는 로그 평균하에서 $\Omega(n)$과 $\Omega(n+1)$의 점근적 독립성을 확립하는 정리 A이다:
$$\mathbb{E}_{\log n \in [N]} a(\Omega(n))b(\Omega(n+1)) = \left( \mathbb{E}_{n \in [N]} a(\Omega(n)) \right) \left( \mathbb{E}_{n \in [N]} b(\Omega(n)) \right) + O\left( \frac{(\log \log \log N)^2}{\sqrt{\log \log N}} \right).$$
오차 항은 $a$와 $b$의 sup-norm에 의해서만 결정된다.

• 일반화: 이 결과는 함수가 캐릭터나 곱셈적이어야 한다는 제한을 제거함으로써, 정리 1.2(로그 평균적 Chowla 추측의 $k=2$ 케이스에 대한 Tao의 증명)를 일반화한다. 이는 $\Omega(n), \Omega(n+1), \dots, \Omega(n+k-1)$의 독립성에 관한 더 넓은 추측의 "2-점 상관관계" 케이스를 검증한다.
• 양적 개선: 본 논문은 Erdős-Kac 정리에서 알려진 최적의 바운드($O(1/\sqrt{\log \log N})$)에 근접하는 "이중 로그 절감(double-logarithmic savings)"을 갖는 양적 오차 항을 제공한다.
• 준소수(Almost Primes)에 대한 응용: 직접적인 응용으로서, 저자들은 $n$이 $\ell$-준소수(정확히 $\ell$개의 소인수를 갖는 정수)일 때 $\Omega(n+1)$의 분포를 기술하는 정리 C를 도출한다. 저자들은 "전형적인" $\ell$의 값들에 대하여(Erdős-Kac 정리에 의해 예측된 범위 내에서), 수열 $\Omega(n+1)$이 모든 정수에 대한 $\Omega(n)$처럼 점근적으로 행동함을 보여준다.
• 동치성: 본 논문은 주요 상관관계 정리(정리 A)와 준소수에 관한 결과(정리 C) 사이의 동치성을 증명한다.
• 균등 분포: 이 결과는 가중치 $1/n$을 갖는 $(\alpha \Omega(n), \beta \Omega(n+1))$ 수열이 $\alpha$와 $\beta$가 모두 무리수일 때만 법 1(modulo 1)에 대해 균등 분포함을 시사한다.

의의 및 주장
저자들은 이 연구가 곱셈적 패리티 값의 분포(Chowla 추측)와 총 소인수 개수의 분포(Erdős-Kac 정리)라는 두 가지 구별된 수론적 관점을 통합한다고 주장한다. 임의의 유계 함수에 대해 $\Omega(n)$과 $\Omega(n+1)$이 점근적으로 독립적임을 증명함으로써, 본 논문은 연속된 정수의 소인수 분해에 나타나는 강력한 무작위성을 시사한다.

본 논문은 얻어진 오차 항이 추정된 최적의 $O(1/\sqrt{\log \log N})$에 비해 $(\log \log \log N)^2$만큼 약간 미달하지만, 독립성을 확립하기에는 충분하다고 밝힌다. 부록 A에서 저자들은 최적의 오차 항 $O(1/\sqrt{\log \log N})$을 달성하기 위해 Helfgott와 Radziwiłł의 명제를 활용한 Harald A. Helfgott의 대안적 증명을 제시한다. 이 대안적 접근법은 본 결과가 로그 평균의 맥락에서 날카롭다는 것을 확인해 준다.

이 연구는 $k \ge 3$에 대한 전체 Chowla 추측이나 일반적인 Elliott 추측을 해결한다고 주장하지 않지만, 일반적인 함수에 대한 2-점 케이스를 해결함으로써 곱셈적 캐릭터를 넘어 알려진 독립성 결과의 범위를 확장하는 중요한 진전을 이루었다.