Lower bounds for the large deviations and moments of the Riemann zeta function on the critical line

이 논문은 리만 제타 함수 (Riemann Zeta Function) 의 임계선 (critical line, $\text{Re}(s) = 1/2$) 에서의 큰 편차 (Large Deviations) 에 대한 하한 (lower bound) 을 증명하고, 이를 통해 분수 모멘트 (fractional moments) 에 대한 기존 결과를 강화하는 내용을 다루고 있습니다. 저자 Louis-Pierre Arguin 과 Nathan Creighton 은 [AB24] 의 임계선에서 벗어난 결과들을 임계선으로 확장하여, 리만 가설 (Riemann Hypothesis) 에 의존하지 않는 무조건부 (unconditional) 결과를 제시했습니다.

다음은 이 논문의 기술적 요약입니다.

1. 연구 배경 및 문제 제기

• 배경: 셀버그 (Selberg) 의 중심극한정리 (Central Limit Theorem) 에 따르면, $\log|\zeta(1/2 + it)|$는 평균 0, 분산 $\log\log T$인 정규분포를 따릅니다. 그러나 표준 편차 ($\sqrt{\log\log T}$) 를 훨씬 초과하는 '큰 편차' 영역에서의 확률 분포와 모멘트의 거동은 여전히 중요한 미해결 문제입니다.
• 문제:
  • 기존 연구 ([Sou09], [AB23], [AB24]) 는 큰 편차에 대한 상한 (upper bound) 을 증명하거나, 리만 가설을 가정하거나, 임계선에서 벗어난 점 ($\sigma_0 = 1/2 + \delta$) 에서의 하한을 증명했습니다.
  • 특히, Soundararajan 은 리만 가설 하에서 큰 편차 영역의 측도 (measure) 가 모멘트 성장에 기여함을 보였으나, 임계선에서의 무조건부 하한과 **정확한 상수 (constant)**를 구하는 것은 열려 있었습니다.
  • [AB24] 는 임계선에서 벗어난 점에서의 하한을 증명했으나, 이를 임계선으로 옮기는 과정에서 모멘트 상수가 악화되었습니다.
• 목표: 임계선에서 $V \sim \alpha \log\log T$ 크기의 큰 편차에 대한 무조건부 하한을 증명하고, 이를 통해 [HS22] 와 [RS12] 에서 증명된 분수 모멘트 하한을 최적의 상수로 재증명하는 것입니다.

2. 주요 결과 (Main Results)

정리 1.1 (Theorem 1.1):
임의의 $\alpha > 0$에 대해 $V \sim \alpha \log\log T$일 때, 충분히 큰 $T$에 대하여 다음 부등식이 성립합니다.
$$\frac{1}{T} \left| \left\{ t \in [0, T] : \log|\zeta(1/2 + it)| > V \right\} \right| \ge K_\alpha \int_V^\infty \frac{e^{-\frac{y^2}{\log\log T}}}{\sqrt{\log\log T}} dy$$
여기서 상수 $K_\alpha$는 $\alpha \to \infty$일 때 $(C\alpha^2 \log \alpha)^{-\alpha^2}$의 order 를 가집니다. 이는 [AB23] 에서 증명된 상한과 일치하는 order 를 가지며, [KS00] 의 모멘트 추측 (Keating-Snaith conjecture) 과 비교했을 때 상수 면에서 약간의 차이는 있지만, 기존 무조건부 결과들보다 훨씬 정밀합니다.

코롤러리 1.2 (Corollary 1.2):
위 정리를 Soundararajan 의 모멘트 분해 기법을 통해 적용하면, 모든 양의 실수 $\alpha$에 대해 다음 분수 모멘트 하한을 얻습니다.
$$\int_0^T |\zeta(1/2 + it)|^{2\alpha} dt \gg K_\alpha T (\log T)^{\alpha^2}$$
이는 리만 가설 없이 얻어진 가장 날카로운 (sharpest) 무조건부 하한입니다.

정리 1.3 (Theorem 1.3):
이 방법은 디리클레 L-함수 (Dirichlet L-functions) 의 중심값 (central values) 에도 일반화됩니다. 큰 소수 $q$에 대해, even primitive character $\chi$에 대한 $L(1/2, \chi)$의 큰 편차 하한과 분수 모멘트 하한을 증명합니다.

3. 방법론 (Methodology)

이 논문의 증명 기법은 [ABR20], [AB23], [AB24] 에서 개발된 재귀적 스키마 (recursive scheme) 를 기반으로 하되, 임계선에서의 정밀한 상수 제어를 위해 다음과 같은 기술적 혁신을 도입했습니다.

3.1. 부분합의 제한과 Mollification

• $\log|\zeta(1/2 + it)|$를 디리클레 다항식 (Dirichlet polynomials) 의 실수부로 근사합니다.
• 소수 구간 $P_j$를 로그 - 로그 스케일 ($\log\log p$) 에서 구간화하여, 각 구간에서의 부분합 $S_j(t)$가 랜덤 워크처럼 행동하도록 설정합니다.
• Mollifier (모라라이저): $M(t)$를 정의하여 $\zeta(s)$를 $M(t)\zeta(s)$로 변형합니다. 이는 큰 편차 사건을 포착하기 위해 부분합을 제한 (restrict) 하는 역할을 합니다.

3.2. Paley-Zygmund 부등식과 왜곡된 측도 (Tilted Measure)

• Paley-Zygmund 부등식: 확률 $P(Z \ge \delta E[Z]) \ge (1-\delta)^2 \frac{E[Z]^2}{E[Z^2]}$를 사용하여, 모멘트 (기댓값) 를 통해 큰 편차 사건의 하한을 유도합니다.
• 기존 방법의 한계: [AB24] 와 같이 단순한 지수적 왜곡 (exponential tilt) 만으로는 상수 $K_\alpha$를 최적화하기 어렵고, 다항식의 길이가 너무 길어져야 했습니다.
• 이 논문의 혁신: **다항식 왜곡 (Polynomial Tilt)**을 도입했습니다.
  • 지수적 왜곡 대신, 부분합 $S_j$를 특정 구간으로 유도하기 위해 다항식 $Q(t)$를 곱합니다.
  • 이를 통해 다항식의 차수 (degree) 를 줄일 수 있어, 소수 $p$를 더 큰 범위 ($T^*$까지) 까지 제어할 수 있게 되었습니다.
  • 이 과정에서 $\alpha$-분리 가능한 (α-separable) 다항식을 정의하여, 서로 다른 소수 구간 간의 상관관계를 제거 (decorrelate) 하고 모멘트 계산을 단순화했습니다.

3.3. 왜곡된 모멘트 (Twisted Moments) 계산

• Proposition 3.5: $\zeta(s)M(s)Q(s)$의 2 차 및 4 차 왜곡 모멘트를 계산합니다. 여기서 $Q(s)$는 $\alpha$-분리 가능한 다항식입니다.
• Steinhaus 모델: 소수 $p^{-it}$을 독립적인 Steinhaus 무작위 변수 ($e^{i\theta_p}$) 로 대체하여, 디리클레 다항식의 모멘트를 계산 가능한 가우스 모델로 변환합니다.
• Appendix A: 왜곡된 mollifier 공식 (twisted mollifier formulae) 을 유도하여, 주 대각항 (diagonal term) 이 모멘트를 지배함을 보입니다.

3.4. 제한된 기댓값 추정

• 부분합이 특정 "장벽 (barrier)" $[L_j, U_j]$ 내에 머무를 확률을 추정합니다.
• 지시 함수 (indicator function) 를 다항식 ($D_\pm$) 으로 근사하고, Markov 부등식과 Chebyshev 다항식을 활용하여 근사 오차를 통제합니다.
• 특히 작은 소수 구간 ($P_0$) 과 큰 소수 구간 ($P_j, j \ge 1$) 에서의 거동을 분리하여 분석하고, 가우스 근사를 적용합니다.

4. 핵심 기여 및 의의

1. 리만 가설 불필요 (Unconditional): 리만 가설을 가정하지 않고도 임계선에서의 큰 편차 하한을 증명했습니다.
2. 최적의 상수 (Sharp Constant): [AB24] 의 방법론을 임계선으로 확장하면서 상수 $K_\alpha$를 개선했습니다. 이전 방법론 ($\sigma_0 = 1/2 + \delta$) 은 상수가 $(C\alpha^{36}\log\alpha)^{-\alpha^2}$로 악화되었으나, 본 논문은 $(C\alpha^2\log\alpha)^{-\alpha^2}$로 개선하여 [HS22] 의 모멘트 하한과 일치하는 상수를 확보했습니다.
3. 다항식 왜곡의 도입: 기존의 지수적 왜곡만으로는 달성하기 어려웠던 정밀한 상수 제어를 위해 다항식 왜곡을 도입하여, 다항식의 길이를 줄이고 더 넓은 소수 범위까지 제어할 수 있게 했습니다.
4. 일반화 가능성: 이 기법은 디리클레 L-함수 등 다른 L-함수 가족 (families) 에도 적용 가능함을 보였습니다 (Theorem 1.3).

5. 결론

이 논문은 리만 제타 함수의 임계선에서 큰 편차의 확률 분포에 대한 하한을 무조건적으로 증명하고, 이를 통해 분수 모멘트의 하한을 최적의 상수로 재확인했습니다. 특히 **다항식 왜곡 (polynomial tilt)**과 $\alpha$-분리 가능한 다항식을 활용한 새로운 접근법은 큰 편차 문제에서 상수를 정밀하게 제어하는 데 중요한 진전을 이루었으며, 랜덤 행렬 이론 (Random Matrix Theory) 과 확률론적 기법이 해석적 수론에 어떻게 적용될 수 있는지를 잘 보여줍니다.