Spectral Geometry of Fourier Curves with Prime Frequencies: A Comparative Experimental Study

Titel

Spectrale Geometrie van Fourier-curve met Priemfrequenties: Een Vergelijkend Experimenteel Onderzoek

1. Probleemstelling

Het artikel onderzoekt de geometrische complexiteit van vlakke krommen die ontstaan uit een Fourier-reeks waarbij de frequenties worden bepaald door de priemgetallen en de coëfficiënten worden afgeleid van de $p$-adische waardes van de faculteit ($n!$). De centrale vraag van dit experimentele wiskundige onderzoek is:

• Weerspiegelt de waargenomen multiskale-structuur (geometrische complexiteit) de onderliggende aritmische structuur van de priemgetallen?
• Of kan deze complexiteit worden gereproduceerd door gecontroleerde willekeurige modellen die vergelijkbare mate van sparsiteit (weinig termen) of dichtheid hebben, maar zonder de specifieke aritmische koppeling?

Het doel is niet om strikte fractale dimensies vast te stellen, maar om de stabiliteit van de geometrische schaling te bestuderen onder gecontroleerde verstoringen van de aritmische data.

2. Methodologie

A. Het Primair Model (De Basis)

De auteurs definiëren voor elke $n \in \mathbb{N}$ een eindige Fourier-reeks $F_n(t)$:
$$F_n(t) = \sum_{p \le n} v_p(n!) e^{ipt}, \quad t \in [-\pi, \pi]$$
Waarbij:

• $p$ loopt over de priemgetallen kleiner dan of gelijk aan $n$.
• $v_p(n!)$ de $p$-adische waarde is van $n!$, berekend via de formule van Legendre: $v_p(n!) = \sum_{k \ge 1} \lfloor \frac{n}{p^k} \rfloor$.
• De reeks wordt gesampled op equidistante punten in het complexe vlak om een polygonale benadering van een kromme te vormen.
• Alle krommen worden genormaliseerd (gecentreerd op het zwaartepunt en geschaald naar een diameter van 1) om vergelijking mogelijk te maken.

B. Random Control Modellen

Om de rol van de aritmische structuur te isoleren, worden drie controlemodellen ontwikkeld. In al deze modellen blijft de multiset van coëfficiënten $\{v_p(n!)\}$ behouden, maar wordt de koppeling met de frequenties gewijzigd:

1. Random Frequency Model: De priemfrequenties worden vervangen door een willekeurige, uniforme subset van $\{1, \dots, n\}$. Dit behoudt de sparsiteit en coëfficiëntgrootte, maar vernietigt de aritmische structuur van de frequenties.
2. Cramér-type Random Model: Frequenties worden gegenereerd via onafhankelijke Bernoulli-proeven met succeskans $1/\log k$ (gebaseerd op Cramér's probabilistische model van priemgetallen). Dit behoudt de gemiddelde dichtheid van priemgetallen, maar verwijdert hogere-orde correlaties.
3. Shuffled Prime Model: De priemfrequenties blijven behouden, maar de coëfficiënten $v_p(n!)$ worden willekeurig permutatie over de priemgetallen verdeeld. Dit vernietigt de specifieke koppeling tussen een specifiek priemgetal en zijn bijbehorende faculteitswaarde.

C. Analyse Methode: Box Counting

De geometrische complexiteit wordt gekwantificeerd met de box-counting techniek:

• Het vlak wordt bedekt met vierkanten met zijde $\varepsilon$.
• Het aantal vierkanten $N(\varepsilon)$ dat de kromme snijdt, wordt geteld.
• Er wordt een effectieve schalingsexponent $b_d(\varepsilon)$ berekend:
  $$b_d(\varepsilon) = \frac{\log N(\varepsilon)}{\log(1/\varepsilon)}$$
• Er wordt geen claim gemaakt dat dit convergeert naar een Hausdorff-dimensie; het wordt gebruikt als een beschrijvende statistiek voor schaalafhankelijke complexiteit.
• De experimenten gebruiken Monte Carlo ensembles (200 realisaties per model) met een hoge sample-dichtheid ($N \ge 2^{13}$).

3. Belangrijkste Resultaten

De experimentele resultaten tonen duidelijke verschillen tussen het primair model en de controlemodellen:

• Primair Model (Priemfrequenties):

  • Toont uitgebreide intermediaire schalingsbereiken.
  • De effectieve exponenten $b_d(\varepsilon)$ zijn consistent begrensd tussen 1 en 2 (niet triviaal).
  • Er is sprake van een stabiel, schaalafhankelijk gedrag met moderate oscillerende variatie naarmate $n$ toeneemt.
  • Dit gedrag is robuust over verschillende sample-dichtheden en normalisatiemethoden.

• Random Frequency Model:

  • Toont een snelle verzadiging van de box-aantallen bij kleine schalen.
  • De exponenten naderen 2 (wat wijst op een oppervlakte-achtig gedrag zonder complexe structuur).
  • Geen stabiele intermediaire schalingsregimes.

• Cramér-type Model:

  • Produceert een gedeeltelijke multiskale-structuur, maar met reducerde variabiliteit in $b_d(\varepsilon)$ en zwakkere oscillaties vergeleken met het primair model.

• Shuffled Prime Model:

  • Toont instabiel schalingsgedrag.
  • Sterke afhankelijkheid van individuele realisaties.
  • Verlies van persistente effectieve exponenten over verschillende schalen.

4. Bijdragen en Conclusies

• Aritmische Koppeling is Cruciaal: De studie concludeert dat de waargenomen geometrische complexiteit niet kan worden toegeschreven aan lichte sparsiteit of frequentiedichtheid. In plaats daarvan ontstaat de complexiteit uit de gestructureerde koppeling tussen de verzameling van priemfrequenties en de gewichten van de faculteitswaardes.
• Specifiekheid van de Representatie: Het multiskale-gedrag is een eigenschap van deze specifieke Fourier-representatie gebaseerd op aritmische data, en geen generiek kenmerk van spaarzame trigonometrische series.
• Experimenteel Bewijs: De resultaten dienen als experimenteel bewijs dat verdere theoretisch onderzoek motiveert, met name over de relatie tussen effectieve schalingsexponenten en analytische eigenschappen van de coëfficiënten.

5. Significatie

Dit werk biedt een nieuwe, visuele en meetbare perspectief op de structuur van priemgetallen door ze te vertalen naar geometrische vormen in het complexe vlak. Het demonstreert dat de "diepte" van de priemgetallen (hun specifieke verdeling en correlaties) direct vertaalbaar is naar complexe, stabiele geometrische patronen die niet toevallig kunnen worden gegenereerd door willekeurige processen met vergelijkbare statistische eigenschappen. Dit opent de deur voor verdere onderzoek naar de relatie tussen additieve aritmische functies en hun spectrale geometrische manifestaties.