Conditional Upper Bounds for Large Deviations and Moments of the Riemann Zeta Function

다음은 Arguin, Bailey, Roberts 의 논문 **"Conditional Upper Bounds for Large Deviations and Moments of the Riemann Zeta Function"**에 대한 상세한 기술적 요약입니다.

1. 문제 제기

이 논문은 임계선 $\text{Re}(s) = 1/2$에서 리만 제타 함수 $\zeta(s)$의 큰 값들의 분포를 다룹니다. 구체적으로 다음과 같은 것들에 대한 날카로운 상한을 확립하는 것을 목표로 합니다:

1. 대편차 (Large Deviations): $|\zeta(1/2 + it)|$가 $(\log T)^k$ 순서의 임계값을 초과하는 $t \in [T, 2T]$ 집합의 측도 (또는 동등하게, $\log|\zeta(1/2+it)| > V$이며 여기서 $V \sim k \log \log T$인 경우).
2. 모멘트 (Moments): $|\zeta(1/2+it)|$의 $2k$-번째 모멘트로, $\frac{1}{T} \int_T^{2T} |\zeta(1/2+it)|^{2k} dt$로 정의됩니다.

맥락:

• **셀버그의 중심극한정리 (Selberg's Central Limit Theorem)**는 고정된 $v$에 대해 $\log|\zeta(1/2+it)|$가 분산 $\frac{1}{2}\log \log T$를 가진 가우스 확률 변수처럼 행동함을 확립합니다.
• **사운드라라잔 (Soundararajan, 2009)**은 리만 가설 (RH) 하에서 대편차의 측도가 대략 $(\log T)^{-k^2}$임을 증명했습니다.
• **하퍼 (Harper, 2013)**는 모멘트에 대한 상한을 $\ll e^{O(k)} (\log T)^{k^2}$로 정교화했습니다.
• 간극 (The Gap): 작은 $k$ ($0 \le k \le 2$) 에 대해서는 무조건적 상한이 존재하지만, 하퍼의 날카로운 모멘트 상한을 더 큰 $k$로 확장하고, RH 하에서 $V \sim k \log \log T$의 전체 범위에 대한 정확한 대편차 추정을 확립하는 것은 여전히 열린 과제로 남아 있었습니다. 이러한 상한에서의 최적 상수는 Keating-Snaith 추측에 의해 $k \to \infty$로 갈 때 급격히 감소하는 산술적 및 기하학적 상수 ($a_k g_k$) 를 포함할 것으로 예측됩니다.

2. 방법론

저자들은 Soundararajan 의 조건부 점별 상한과 [ABR20] 에서 이전에 개발된 **재귀적 체계 (recursive scheme)**를 결합한 정교한 확률론적 접근법을 사용합니다.

A. 사운드라라잔의 점별 상한

증명은 Proposition 1.3 (Soundararajan) 에 의존하며, 이는 RH 하에서 매개변수 $x$에 대해 $\log|\zeta(1/2+it)|$가 디리클레 다항식의 실수부와 나머지 항에 의해 상한이 잡힌다고 명시합니다:
$$\log |\zeta(1/2+it)| \le \text{Re} \sum_{n \le x} \frac{a(n)\Lambda(n)}{n^{\sigma+it}\log n} + \text{Error}$$
과제는 디리클레 다항식에 대한 가우스적 행동을 증명하기 위해 통제 가능한 상태로 유지하면서 모멘트의 주요 기여분을 포착할 만큼 충분히 큰 $x$를 선택하는 것입니다.

B. 재귀적 체계 (사건의 분해)

핵심 혁신은 "나쁜" 사건 $H = \{ \log|\zeta(1/2+i\tau)| > V \}$를 "좋은" 사건 $G_\ell$들의 합으로 분해하는 것입니다.

1. 체크포인트 (Checkpoints): 구간 $[T, 2T]$는 $T_\ell = T^{\beta_\ell}$인 체크포인트들의 시퀀스를 통해 분석되며, 여기서 $\beta_\ell$는 기하급수적으로 감소합니다.
2. 부분 합 (Partial Sums): 각 체크포인트에서 저자들은 디리클레 다항식의 부분 합 $S^{(j)}_\ell$을 정의합니다. 이러한 합은 시간 인덱스 $t_\ell = \log \log T_\ell$을 가진 랜덤 워크로 모델링됩니다.
3. 좋은 사건 ($G_\ell$): 사건 $G_\ell$은 부분 합이 목표값 $V$의 선형 보간을 중심으로 한 "튜브" 내에 머무르도록 제한합니다. 구체적으로, $S^{(j)}_\ell \in [L_\ell, U_\ell]$이며, 여기서 장벽은 다음과 같습니다:
   $$L_\ell = \kappa \log \log T_\ell - c_\ell, \quad U_\ell = \kappa \log \log T_\ell + c_\ell$$
   여기서 $\kappa = V / \log \log T$는 기울기이며, $c_\ell$는 허용된 변동 (장벽 너비) 을 나타냅니다.
4. 장벽 너비: 중요한 기술적 선택은 너비 $c_\ell = \beta_\ell^{-\gamma}$ (여기서 $\gamma = 1/25$) 입니다. 이 너비는 $\ell$이 증가함에 따라 좁아져서, 랜덤 워크가 큰 편차 $V$에 도달하기 위해 필요한 선형 추세에 가깝게 머무르도록 강제합니다.

C. 추정 기법

사건 $H \cap (G_{\ell-1} \setminus G_\ell)$ (즉, $\ell$ 단계에서 워크가 튜브를 벗어남) 의 확률을 상한 짓기 위해, 저자들은 분석을 다음과 같이 나눕니다:

• 상부 장벽: 디리클레 다항식의 증가분에 대한 유계 합 (union bounds) 과 가우스 꼬리 추정을 사용합니다.
• 하부 장벽 (혁신점): 이것이 가장 어려운 부분입니다. 저자들은 Soundararajan 의 상한 (Proposition 1.3) 을 사용하여 $\log|\zeta|$의 꼬리를 부분 합과 연관시킵니다. 그들은 $\ell$ 단계에서의 위치에 조건을 부여하고, 합이 하부 장벽 아래로 떨어지면 제타 함수의 나머지 꼬리가 총 높이 $V$에 도달하기 위해 보상을 할 수 없음을 보여줍니다. 여기에는 디리클레 합에서 서로 다른 축 ($\sigma_j$ 대 $\sigma_m$) 사이의 불일치에 대한 신중한 분석이 포함됩니다.
• 디리클레 다항식의 모멘트: 증명들은 디리클레 다항식을 독립적인 스타인하우스 확률 변수 (랜덤 위상) 와 비교하여 가우스적 행동을 근사하는 모멘트 추정 (부록 A) 을 활용합니다.

3. 주요 기여

1. 조건부 대편차 상한: 이 논문은 Theorem 1.1 을 증명하여, RH 하에서 $V \sim k \log \log T$에 대해 다음을 확립합니다:
   $$\frac{1}{T} \text{meas} \{ t \in [T, 2T] : \log|\zeta(1/2+it)| > V \} \le C_k \frac{e^{-V^2 / \log \log T}}{\sqrt{\log \log T}}$$
   여기서 $C_k = \exp(e^{ck})$입니다. 이는 가우스 요동이 $V \sim k \log \log T$의 전체 범위에 대해 대편차 영역까지 확장됨을 확인합니다.
2. 날카로운 모멘트 상한: 대편차 상한을 적분함으로써, 저자들은 $2k$-번째 모멘트에 대한 하퍼의 상한을 회복합니다 (Corollary 1.2):
   $$\frac{1}{T} \int_T^{2T} |\zeta(1/2+it)|^{2k} dt \ll e^{eck} (\log T)^{k^2}$$
   이는 $k \ge 2$에 대해 성립합니다 (이전에는 $k < 2$에 대해 무조건적으로, $k \ge 2$에 대해 조건부로 알려져 있었으나 상수가 덜 정교했습니다).
3. 정교화된 재귀적 체계: 이 논문은 Soundararajan 의 상한을 사용하여 "하부 장벽" 문제를 더 효과적으로 처리함으로써 [ABR20] 체계를 개선하여 더 큰 $k$를 허용하고 디리클레 다항식 절단에 대한 더 엄격한 통제를 가능하게 합니다.
4. 짧은 구간 적용: 결과는 길이 $(\log T)^\gamma$인 짧은 구간으로 확장되어, 이러한 구간에서 $|\zeta|$의 최댓값과 그 모멘트에 대한 조건부 상한을 제공합니다 (Corollaries 3.1 및 3.2).

4. 주요 결과

• Theorem 1.1: 큰 값들의 측도에 대한 조건부 상한을 제공합니다. 감쇠율은 가우스 예측 $e^{-V^2 / \log \log T}$와 일치하여, 큰 편차에서도 "가우스 꼬리" 행동을 확인합니다.
• Corollary 1.2: 모멘트 상한 $\ll e^{O(k)} (\log T)^{k^2}$를 확립합니다. 상수 $C_k$가 Keating-Snaith 가 예측한 최적의 $a_k g_k$ (이는 $k \to \infty$로 갈 때 0 으로 수렴함) 는 아직 아니지만, $k$에 대한 지수적 의존성이 통제되며 $\log T$의 지수는 정확히 $k^2$입니다.
• Corollary 3.1 & 3.2: 이러한 상한을 짧은 구간으로 확장하여, 길이 $(\log T)^\gamma$인 구간에서 $|\zeta|$의 최댓값이 (로그 인자까지) $(\log T)^{\sqrt{1+\gamma}}$로 상한이 잡힌다는 것을 보여줍니다 (RH 조건 하).

5. 의의

• 가우스적 직관의 검증: 이 작업은 $\log|\zeta|$에 대한 가우스 중심극한정리가 견고하며 대편차 영역까지 확장됨을 보여주는 엄밀한 증거를 제공합니다. 이는 제타 함수의 산술적 성질을 고려할 때 비자명한 결과입니다.
• 모멘트 문제의 발전: 이는 리만 가설 하에서 알려진 모멘트 상한의 경계를 확장합니다. 최적 상수 (범위 $T^{1/k^2}$에서 $T^{1/k}$까지의 소수들을 통제해야 함) 는 여전히 요원하지만, 이 논문은 그 간극을 상당히 좁혔습니다.
• 방법론적 영향: Soundararajan 의 상한과 결합된 재귀적 체계는 $L$-함수의 극단적 값을 분석하는 강력한 새로운 도구를 제공합니다. 유사한 기법이 다른 $L$-함수 군에 적용되어 날카로운 대편차 추정을 유도할 수 있음을 시사합니다.
• 짧은 구간: 짧은 구간으로의 확장은 제타 함수의 국소적 행동을 이해하는 데 중요하며, 이는 제타 함수의 최댓값에 관한 Fyodorov-Hiary-Keating 추측과 관련이 있습니다.

요약하자면, 이 논문은 리만 제타 함수의 해석적 수론에서 중요한 진전을 이루었으며, 고전적인 모멘트 추정과 리만 가설 하에서 예측되는 대편차 행동 사이의 간극을 성공적으로 연결했습니다.