A Kubilius model for sieve-theoretic sequences

당신이 거대하고 혼란스러운 수프의 비밀 레시피를 추측하려고 한다고 상상해 보세요. 숫자의 세계에서 이 수프는 모든 자연수의 집합이며, 그 "재료"는 소수(2, 3, 5, 7, 11과 같은)입니다. 모든 자연수는 이러한 소수들을 다양한 양으로 곱하여 만들어집니다. 예를 들어, 12는 $2 \times 2 \times 3$입니다. 수학자들이 수십 년 동안 던져온 큰 질문은 이것입니다: 만약 당신이 무작위로 숫자를 하나 뽑는다면, 그 재료들은 얼마나 예측 가능할까요? 2가 아주 많을까요? 3은 조금 있을까요? 아니면 완전히 미스터리일까요?

이 문제를 해결하기 위해 수학자들은 "모델"이라는 영리한 속임수를 사용합니다. 모든 숫자의 지저분한 실제 재료를 추적하는 대신, 그들은 재료가 주사위를 던지는 것처럼 완전히 무작위로 선택되는 가상의 버전을 만듭니다. 만약 실제 세계가 이 주사위 게임과 똑같이 행동한다면, 그 모델은 성공한 것입니다. 이것이 바로 이 모델을 처음 제안한 수학자의 이름을 딴 "쿠빌리우스(Kubilius) 모델"입니다. 이것은 마치 날씨를 예측하는 것과 같습니다: 컴퓨터 모델이 비가 올 확률이 50%라고 말했는데 실제로 비가 절반의 시간 동안 내린다면, 당신의 모델은 좋은 모델입니다. 하지만 실제 세계에 주사위가 모르는 숨겨진 패턴이 있다면, 모델은 실패합니다. 목표는 실제 세계가 무작위 주사위 게임으로부터 얼마나 멀어져 있는지를 정확하게 측정하는 것입니다.

Ofir Gorodetsky가 쓴 이 논문은 우리가 그 거리를 측정하기 위해 사용하는 자를 더 날카롭게 다듬는 것에 관한 것입니다. 저자는 단순히 모델이 작동하는지 확인하는 데 그치지 않고, 특히 매우 큰 숫자들을 살펴볼 때 모델이 얼마나 잘 작동하는지를 증명할 수 있는 가장 최선이자 가능한 방법을 찾아내고 있습니다. 그는 "체 이론(sieve theory)"이라 불리는 강력한 도구(큰 재료와 작은 재료를 분리하는 주방 체와 같은 것)를 가져와서, 이를 몇 가지 영리한 수학적 기법들과 결합하여 이전보다 훨씬 더 정밀하고 정확한 측도치를 얻어냈습니다. 그 결과는 이 무작위 주사위 모델이 현실과 믿기지 않을 정도로 가깝다는 것을 보여주는 증명입니다. 거의 수학적으로 가능한 한 가장 가깝습니다.

주사위와 수프의 이야기

주요 발견을 자세히 살펴보겠습니다. 당신이 거대한 숫자 항아리를 가지고 있고, 그중 하나를 무작위로 뽑는다고 상상해 보세요. 당신은 그 숫자의 "레시피"를 알고 싶습니다. 소수 2가 그 숫자를 몇 번 나누는지, 소수 3은 몇 번 나누는지 말입니다. 그리고 계속해서 나아갑니다. 실제 세계에서 이러한 횟수들은 복잡한 방식으로 서로 연결되어 있습니다. 하지만 쿠빌리우스 모델에서는, 각 소수에 대해 별도의 주사위를 던지는 것처럼 이들이 서로 독립적이라고 가정합니다.

논문은 묻습니다: 실제 레시피와 가짜 무작위 레시피는 얼마나 다를까요? 수학자들은 "전변동 거리(total variation distance)"라는 것을 사용하여 이 차이를 측정합니다. 이것을 "불일치 점수"라고 생각하세요. 만약 점수가 0이라면, 실제 세계와 무작위 모델은 일란성 쌍둥이입니다. 만약 점수가 높다면, 그들은 서로 모르는 사이입니다.

Gorodetsky의 주요 발견은 이 불일치 점수에 대한 새롭고 초정밀한 공식입니다. 그는 광범위한 숫자들에 대해 실제 세계와 무작위 모델 사이의 차이가 믿기지 않을 정도로 작다는 것을 증명합니다. 사실, 그는 숫자가 충분히 커지면 오차가 너무 빠르게 줄어들어 거의 무시할 수 있는 수준이 된다는 것을 보여줍니다. 이것은 마치 "만약 당신이 10억 개의 주사위를 던진다면, 당신이 얻은 패턴은 10억 개의 실제 숫자의 패턴과 구별할 수 없을 정도로 거의 동일하다"라고 말하는 것과 같습니다.

왜 기존의 규칙에 업그레이드가 필요했는가

이 논문 이전에 수학자들은 이 불일치를 측정하는 몇 가지 방법을 가지고 있었습니다. Elliott라는 수학자가 개발한 유명한 방법은 좋긴 했지만 약간 투박했습니다. 그것은 고무로 만든 자와 같았습니다: 대략적인 아이디어는 주지만 약간 늘어나기 때문에 측정이 덜 정밀했습니다. Tenenbaum의 방법은 매우 날카로웠지만, 다양한 유형의 숫자들에 적용하기 어려운 매우 복잡한 도구들(복소해석학)을 필요로 했습니다.

Gorodetsky의 논문은 이 간극을 메웁니다. 그는 유연하고 사용하기 쉬운 "고무 자" 접근 방식인 Elliott의 방식을 가져와서, 복잡한 기계 장치 없이도 Tenenbaum의 레이저처럼 날카롭게 조여 올립니다. 그는 "이동된 소수(shifted primes, $p+1$과 같이 $p$가 소수인 숫자)"를 연구했던 다른 수학자 Kevin Ford의 영리한 기법을 빌려옴으로써 이를 수행합니다. Ford는 "나쁜" 결과들을 무시하고 "좋은" 결과들에 집중함으로써 문제의 지저분한 부분들을 처리하는 방법을 찾아냈습니다. Gorodetsky는 이 기법이 단지 이동된 소수뿐만 아니라 모든 숫자에 대한 일반적인 문제에도 적용될 수 있다는 것을 깨달았습니다.

"체(Sieve)"와 "나쁜" 숫자들

그가 어떻게 이 일을 해냈는지 이해하려면, 당신이 경기장에서 빨간 모자를 쓰고 있는 사람의 수를 세려고 한다고 상상해 보세요. "체"는 빨간 모자를 쓰지 않은 모든 사람을 걸러내는 방법입니다. 수학에서 체는 특정 성질을 가진 숫자를 세는 데 도움을 줍니다.

이 논문은 체 이론의 "기본 정리(fundamental lemma of sieve theory)"를 사용하는데, 이는 체가 얼마나 잘 작동하는지를 알려주는 강력한 규칙입니다. Gorodetsky는 이 규칙을 사용하여 숫자들을 두 그룹으로 나눕니다:

1. "좋은" 그룹: 무작위 주사위 모델과 정확히 똑같이 행동하는 숫자들.
2. "나쁜" 그룹: 패턴에 맞지 않는 이상한 예외적인 숫자들.

이 논문의 천재성은 "나쁜" 그룹을 다루는 방식에 있습니다. 그들을 완벽하게 세는 대신(이는 매우 어렵습니다), 저자는 "나쁜" 그룹이 너무 작아서 크게 중요하지 않다는 것을 보여줍니다. 그는 이러한 예외적인 숫자들로 인해 발생하는 오차가 매우 작으며, 이전의 추정치들이 허용했던 것보다 훨씬 더 작다는 것을 증명합니다.

결과: 질적으로 최적인 경계(A Qualitatively Optimal Bound)

논문은 저자가 "질적으로 최적(qualitatively optimal)"이라고 믿는 결과로 결론을 맺습니다. 이것은 "게임의 규칙을 바꾸지 않고서는 이보다 더 잘할 수 없다"는 뜻의 멋진 표현입니다. 그가 도출한 공식은 불일치 점수가 본질적으로 가능한 최선의 속도로 떨어진다는 것을 보여줍니다.

예를 들어, 어떤 크기 $x$까지의 숫자를 보고, $y$ 크기까지의 소인수들만을 고려한다면, 오차는 $u$($\log x / \log y$와 대략 같은 값)라고 불리는 비율에 달려 있습니다. 이 논문은 오차가 대략 $u^{-u}$임을 증명합니다. 이는 $u$가 커질수록(즉, 더 큰 숫자를 보거나 더 넓은 범위의 소수를 볼수록), 오차가 예상보다 훨씬 더 빠르게, 믿을 수 없을 정도로 빠르게 줄어든다는 것을 의미합니다.

또한 이 논문은 "이동된 소수"($p+a$와 같은 숫자)에 관한 Ford의 최근 결과를 더 단순한 증명으로 복구합니다. 이것은 누군가가 이미 풀어낸 퍼즐을 풀면서, 더 짧고 걷기 쉬운 경로를 찾아내는 것과 같습니다. 이는 무작위 모델이 이러한 이동된 소수들에 대해서도 매우 높은 확실성을 가지고 완벽하게 작동한다는 것을 확인시켜 줍니다.

이것이 미래에 갖는 의미

이 논문은 단순히 "더 나은 숫자를 찾았다"라고 말하는 것이 아닙니다. 그것은 수학자들에게 새롭고 견고한 도구 상자를 제공합니다. 이 증명은 유연한 "체" 논증을 기반으로 구축되었기 때문에, 다양한 상황에 적응할 수 있습니다. 무작위 숫자의 인수를 연구하든, 다항식의 인수를 연구하든, 혹은 무작위 순열(카드를 섞는 것과 같은)의 순환 구조를 연구하든, 이 새로운 경계치는 이 구조들이 실제로 얼마나 무작위적인지에 대한 더 명확한 그림을 제공합니다.

저자는 이 경계치가 일반적인 형태에서 "최적"이지만, 향로 미래에 수정될 수 있는 아주 작은 요인들($x^{o(1)}$와 같은)이 여전히 존재할 수 있음을 주의 깊게 언급합니다. 하지만 실질적인 목적을 위해서는, 실제 세계와 무작위 모델 사이의 간극은 현재 가능한 최고의 정밀도로 측정되었습니다.

요약하자면, Gorodetsky는 수론의 지저고 복잡한 문제를 깔끔하게 정리했습니다. 그는 숫자의 우주가 겉보기에는 혼란스러워 보이지만, 놀라운 정확도로 단순한 주사위 게임의 규칙을 따른다는 것을 보여주었습니다. 그리고 그는 예외적인 사례들을 세는 더 나은 방법을 찾아냄으로써, 그 예외들이 생각보다 훨씬 적고 덜 위험하다는 것을 증명했습니다.