Joint extreme values of Dirichlet (L)-functions and their logarithmic derivatives

1. 연구 문제 (Problem)

이 논문은 해석적 수론의 핵심 대상인 디리클레 L-함수 $L(s, \chi)$와 그 로그 미분계수 $L'/L(s, \chi)$의 **결합 극값 (Joint Extreme Values)**을 연구합니다.

• 배경: L-함수의 극값 분포는 소수 분포, 클래스 수 문제, 그리고 랜덤 행렬 이론과의 깊은 연관성을 가집니다. 기존 연구들은 주로 단일 L-함수 $L(s, \chi)$의 극값 ($s=1$ 또는 $1/2 < \sigma < 1$) 에 초점을 맞추었습니다.
• 새로운 접근: 본 논문은 단일 디리클레 문자 $\chi$에서 생성된 거듭제곱 문자들의 집합 $\{\chi, \chi^2, \dots, \chi^\ell\}$에 대해, 이 모든 문자에 해당하는 L-함수 값들이 동시에 극대화되는지, 그리고 그 극값의 크기가 어떻게 되는지를 규명합니다.
• 핵심 질문: 고정된 정수 $\ell \ge 1$에 대해, 충분히 큰 소수 $q$에 대하여 $\text{ord}(\chi) > \ell$인 디리클레 문자 $\chi$가 존재하여, $\prod_{j=1}^\ell |L(s, \chi^j)|$ (또는 로그 미분계수의 곱) 가 얼마나 큰 값을 가질 수 있는가?

2. 연구 방법론 (Methodology)

논문의 핵심 방법론은 **공명법 (Resonance Method)**입니다. 이는 Voronin 에 의해 시작되어 Soundararajan, Aistleitner, Bondarenko 등에 의해 발전된 기법으로, 특정 함수의 극대값을 찾기 위해 '공명기 (Resonator)'라 불리는 가중치 함수를 구성하여 합을 추정하는 방식입니다.

• 공명기 (Resonator) 구성:
  • $R(\chi) = \prod_{p \le X} (1 - r(p)\chi(p))^{-1} = \sum_{n} r(n)\chi(n)$ 형태로 정의됩니다.
  • 여기서 $r(n)$은 완전히 승법적 (completely multiplicative) 인 함수이며, 소수 $p$에 대해 $r(p)$를 적절히 선택하여 목표하는 극값을 증폭시킵니다.
  • $s=1$의 경우: $r(p) = 1 - p/X$
  • $1/2 < \sigma < 1$의 경우: $r(p) = 1 - (p/X)^\sigma$
• 근사 공식 (Approximate Formulas):
  • L-함수와 로그 미분계수를 유한한 디리클레 다항식으로 근사화합니다 (Lemma 2.1, 2.4, 2.5, 2.7).
  • 예: $L(1, \chi) \approx \prod_{p \le Y} (1 - \chi(p)p^{-1})^{-1}$.
• 합의 비율 추정:
  • $S_1 = \sum_{\chi} |R(\chi)|^2$ (공명기의 제곱합)
  • $S_2 = \sum_{\chi} (\text{목표 함수}) |R(\chi)|^2$ (목표 함수와 공명기의 곱의 합)
  • 비율 $S_2/S_1$의 하한을 추정하여, 평균값이 아닌 특정 $\chi$에서 목표 함수가 매우 큰 값을 가짐을 증명합니다.
• 제외 집합 처리:
  • 영점 (Zero) 이 존재하거나 근사 공식이 성립하지 않는 예외적인 문자들의 집합 ($E(q)$ 등) 의 기여도가 전체 합에 비해 무시할 수 있을 정도로 작음을 증명하기 위해 영점 밀도 추정 (Zero-density estimates) 을 활용합니다.

3. 주요 결과 (Key Results)

저자는 $\ell \ge 1$인 고정된 정수에 대해 다음과 같은 네 가지 주요 정리를 증명했습니다.

가. $s=1$에서의 L-함수 결합 극값 (Theorem 1.1)

충분히 큰 소수 $q$에 대해, $\text{ord}(\chi) > \ell$인 $\chi$가 존재하여 다음이 성립합니다:
$$\prod_{j=1}^\ell |L(1, \chi^j)| \ge e^{\ell\gamma} \left\{ (\log_2 q)^\ell + \ell(\log_3 q - C(\ell))(\log_2 q)^{\ell-1} + O((\log_2 q)^{\ell-2}(\log_3 q)^2) \right\}$$

• 여기서 $C(\ell) = (\ell+1)/2 + \log_2 4$입니다.
• 의의: $\ell=1$일 때 Aistleitner et al. (2019) 의 결과를 회복하며, $\ell$이 증가함에 따라 서로 다른 거듭제곱 간의 상호작용으로 인해 극값이 약간 압축됨을 보여줍니다.

나. $1/2 < \sigma < 1$에서의 L-함수 결합 극값 (Theorem 1.2)

동일한 조건 하에 다음이 성립합니다:
$$\prod_{j=1}^\ell |L(\sigma, \chi^j)| \ge \exp \left\{ (\kappa^{1-\sigma} S(\sigma, \ell) + o(1)) \frac{(\log q)^{1-\sigma}}{(\log_2 q)^\sigma} \right\}$$

• $S(\sigma, \ell)$은 명시적인 상수로, $\sigma \to 1$일 때 $\ell$에 따라 급격히 증가하지만 $\sigma \to 1/2$일 때는 성장이 억제됩니다. 이는 교번 이항합에 의한 강한 상쇄 효과 때문입니다.

다. $s=1$에서의 로그 미분계수 결합 극값 (Theorem 1.3)

다음이 성립합니다:
$$(-1)^\ell \text{Re} \prod_{j=1}^\ell \frac{L'}{L}(1, \chi^j) \ge (\log_2 q)^\ell + (\ell \log_3 q + Q(\ell))(\log_2 q)^{\ell-1} + O(\dots)$$

• $Q(\ell)$은 명시적인 상수이며, $\ell$이 커질수록 $Q(\ell) \sim -\ell \log \ell$로 빠르게 감소합니다.
• 이는 Yang (2023) 의 단일 극값 결과를 일반화하고 오차항을 더 정교하게 다듬은 것입니다.

라. $1/2 < \sigma < 1$에서의 로그 미분계수 결합 극값 (Theorem 1.4)

$\ell < (2-2\sigma)^{-1}$인 조건 하에 다음이 성립합니다:
$$(-1)^\ell \text{Re} \prod_{j=1}^\ell \frac{L'}{L}(\sigma, \chi^j) \ge (\eta^{\ell(1-\sigma)} H(\sigma, \ell) + o(1)) (\log q)^{\ell(1-\sigma)} (\log_2 q)^{\ell(1-\sigma)}$$

• $H(\sigma, \ell)$은 $\sigma \to 1$일 때 $(1-\sigma)^{-\ell}$로 발산하는 상수입니다.

4. 논문의 의의 및 기여 (Significance)

1. 결합 극값의 발견: 단일 L-함수의 극값 연구에서 한 걸음 나아가, 하나의 문자가 생성한 거듭제곱 군 (Power Family) 내에서 L-함수들과 그 미분계수들이 동시에 극대화된다는 사실을 증명했습니다. 이는 디리클레 문자 군의 대수적 구조가 L-함수의 값 분포에 강한 상관관계를 가짐을 시사합니다.
2. 정밀도 향상: 기존 연구 (Aistleitner et al., Yang 등) 의 주항 (Leading term) 을 회복할 뿐만 아니라, **2 차 항 (Secondary term)**을 명시적으로 제시하고 **오차항 (Error term)**을 더 정밀하게 개선했습니다. 특히 $s=1$에서의 로그 미분계수 극값에 대한 2 차 항의 부호와 크기를 명확히 했습니다.
3. 방법론의 확장: 공명법을 L-함수의 거듭제곱 곱과 로그 미분계수에 적용하여, 다양한 $s$ 영역 ($s=1$ 및 $1/2 < \sigma < 1$) 에서 일관된 결과를 도출했습니다.
4. 영향: 이 결과는 L-함수의 영점 분포 (Zero distribution) 와의 연관성, 특히 특정 영역에서의 영점 군집 현상을 이해하는 데 중요한 통찰을 제공합니다. 또한, 랜덤 행렬 모델이 예측하는 극값 분포와 일치하는지 확인하는 데 기여합니다.

5. 결론

이 논문은 디리클레 L-함수 이론에서 결합 극값 문제를 체계적으로 해결한 중요한 업적입니다. 공명법을 정교하게 변형하여 적용함으로써, 단일 문자의 거듭제곱들이 생성하는 구조 내에서 L-함수와 그 미분계수가 동시에 극단적인 값을 가질 수 있음을 증명하고, 그 크기에 대한 정밀한 점근적 공식을 제시했습니다. 이는 향후 L-함수의 극값 분포 및 관련 수론적 문제 연구에 강력한 도구와 기준을 제공합니다.