A Bombieri-Vinogradov theorem for exponential sums over products of k primes

기술적 요약: "k개의 소수 곱에 대한 지수 합에 관한 봄비에리-비노그라도프 정리"

문제 정의
본 논문은 고정된 수의 소인수(중복도 포함)를 가진 정수들에 대한 지수 합의 분포를 다룬다. 구체적으로, 다음과 같은 합을 조사한다:
$$\Pi_k(x; \alpha) := \sum_{n \le x} f_k(n) e(\alpha n),$$
여기서 $f_k(n) = \mathbf{1}_{\Omega(n)=k}$는 정확히 $k$개의 소인수를 갖는 정수의 지시 함수이며, $e(\beta) = e^{2\pi i \beta}$이다.

$\Pi_k(x) = \sum_{n \le x} f_k(n)$의 점근적 거동은 $k \le (2-\varepsilon)\log\log x$인 경우 Sathe-Selberg 정리를 통해 잘 알려져 있으나, 산술 급수에서의 이 합들의 분포와 무리수 $\alpha$에 대한 지수 합 $\Pi_k(x; \alpha)$의 거동은 더 복잡하다. 본 논문은 이러한 지수 합에 대한 봄비에리-비노그라도프 유형의 정리를 확립하여, 기대되는 주항(main term)으로 근사할 때 발생하는 평균 오차에 대한 유계(bound)를 제공하는 것을 목표로 한다. 부차적인 목표는 이 추정치를 사용하여 이러한 지수 합의 상한(supremum)에 대한 비자명한 하한을 도출하는 것이다.

방법론
증명 전략은 문제를 디리클레 캐릭터 합(character sums)의 추정치로 환원한 후, 보편화된 본(Vaughan)의 방법을 적용하는 것에 의존한다.

1. 디리클레 캐릭터 합으로의 환원:
   저자는 먼저 산술 급수 $a/q$에 대한 지수 합을 디리클레 캐릭터를 사용하여 표현한다. 주기 함수(periodic functions)의 분해를 사용하여, 이 합을 주항(gcd 구조와 관련된 항)과 비주역(non-principal) 캐릭터들에 대한 합을 포함하는 오차항으로 분리한다. 이는 봄비에리-비노그라도프 추정을 다음 양을 유계하는 문제로 환원시킨다:
   $$\Xi(f, x, Q, \theta) := \sum_{q \le Q} \frac{q}{\phi(q)} \sum_{\chi \pmod q}^* \max_{|\lambda| \le \theta} \left| \sum_{n \le x} f(n) \chi(n) e(\lambda n) \right|.$$
   논문은 고전적인 설정과의 결정적인 차이점을 언급한다: 지수 합의 경우, 환원은 $Q^{-1}$ 대신 $Q^{-1/2}$ 인자를 생성하며, 이로 인해 $Q$의 범위가 고전적인 $x^{1/2-\varepsilon}$ 대신 $x^{1/3-\varepsilon}$로 제한된다.

2. 보편화된 본(Vaughan) 추정치:
   $\Xi(f_k, x, Q, \theta)$를 유계하기 위해, 본 논문은 "Type I" 및 "Type II" 함수들의 디리클레 합성곱(Dirichlet convolution)으로 표현될 수 있는 함수 $f$에 대한 일반적인 정리(Theorem 8)를 증명한다.

• Type I: 법(modulus)에 대해 균등하게 좋은 캐릭터 합 유계를 갖는 함수들.
• Type II: 특정 범위(여기서는 $[1, x^{2/3}]$)에 지지(support)되는 함수들.
  증명은 합성곱 내 인자들의 크기에 따라 합을 나누는 본의 방법(Vaughan's method)을 활용한다. 이를 위해 Type I 합을 캐릭터를 사용하여 추정하는 Lemma 9와 코시-슈바르츠(Cauchy-Schwarz) 및 영밀도 추정(zero-density estimates)을 사용하여 Type II 합을 추정하는 Lemma 10을 사용한다.

3. $f_k$의 분해:
   핵심적인 기술적 기여는 $f_k$의 지시 함수( $[1, x]$로 제한된)를 Type I 및 Type II 함수의 합성곱들의 선형 결합으로 표현하는 것이다. 이는 다음을 통해 이루어진다:

• 소인수의 크기($x^{1/2}$)를 기준으로 정수를 "거친(rough)" 부분과 "프라이블(friable)" 부분으로 분리한다.
• $1 * (\mu f^-) = f^+$ 관계를 사용하여 이 부분들을 연결한다.
• $P^-(a) \ge P^+(b)$ 조건을 처리하기 위해 적분 표현(참조 [6]의 Lemma 13.11)을 사용하여 변수를 분리하고, 결과적인 항들을 $[1, x^{2/3}]$ 내의 지지 범위를 갖도록 추가로 분해한다.

4. 하한 적용:
   확립된 봄비에리-비노그라도프 추정치는 저자의 이전 연구 [2] (Theorem 11)와 결합된다. 이 정리는 산술 급수에서의 평균 오차를 짧은 구간에서의 지수 합의 $L^2$-노름(norm)의 하한과 연관시킨다. 저자는 Sathe-Selberg 추정치로부터 도출된 주항 계수 $g_{k,x}(q)$를 분석하여 Theorem 11을 위한 필요 조건들을 검증한다.

주요 결과

• 정리 2 (봄비에리-비노그라도프 추정치):
  $Q \le x^{1/3}(\log x)^{-B}$ 이고 $\theta \le Q^{-3}(\log x)^{-B}$ 이며, $k \le (2-\varepsilon)\log\log x$ 일 때, 본 논문은 다음을 증명한다:
  $$\sum_{q \le Q} \max_{(a,q)=1} \max_{|\lambda| \le \theta} \left| \sum_{n \le x} f_k(n) e\left(\left(\frac{a}{q} + \lambda\right)n\right) - \frac{1}{\phi(q)} \sum_{st=q} \mu(s)t \sum_{n \le x, t|n} f_k(n) e(\lambda n) \right| \ll \frac{x}{(\log x)^C}.$$
  이 결과는 $Q \ge x^{c_0}$ (여기서 $c_0 \approx 0.3294$)인 경우 실패했던 Yao [17]의 기존 연구를 개선하여, 유효한 범위를 $x^{1/3-\varepsilon}$까지 확장하였다.

• 정리 3 (하한):
  응용으로서, 본 논문은 지수 합에 대한 균등한 하한을 확립한다:
  $$\sup_{n \le x} |\Pi_k(n; \alpha)| \gg x^{1/6-\varepsilon}$$
  여기서 $2 \le k \le (2-\varepsilon)\log\log x$ 이고 모든 $\alpha \in \mathbb{R}$에 대하여 성립한다. 이 하한은 $k$가 $\log\log x$로부터 벗어난 정도에 의존하는 인자를 포함하여 정교화된다.

의의 및 주장
본 논문은 $k$개의 소수 곱에 대한 지수 합의 봄비에리-비노그라도프 추정에 관한 문헌상의 공백을 해결했다고 주장한다. 구체적으로, $Q \in [x^{c_0}, x^{1/3}]$ 범위에서 불충분했던 영밀도 추정에 의존했던 Yao [17]의 증명 내 한계를 수정한다. 폰 망골트 함수(von Manganga function) $\Lambda$에 대해 Liu와 Zhan [7]이 사용했던 본의 캐릭터 합 추정법을 $f_k$ 함수로 적응시킴으로써, 저자는 $Q$의 범위를 $x^{1/3-\varepsilon}$까지 확장하였다.

또한 이 작업은 소수(case $k=1$)에 대한 기법들이, 함수가 적절히 분해될 수 있다면 $k$개의 소수 곱으로 성공적으로 일반화될 수 있음을 보여준다. 저자는 이러한 결과들이 더 넓은 $k$의 범위에서 함수 $h_k = \mathbf{1}_{\omega(n)=k}$ (서로 다른 $k$개의 소인수를 갖는 정수)로 쉽게 적응될 수 있음을 언급한다.

정리 3의 의의는 이러한 지수 합의 최대 크기에 대한 비자명한 추정치를 제공한다는 점이며, 이는 무리수 $\alpha$에 대해서도 이들이 균등하게 소멸하지 않음을 보여준다. 이는 정리 2에서 확립된 산술 급수에서의 분포의 질로부터 직접 도출된다.