The critical-window profile for $d_k$ in short intervals

技术摘要：$k$ 阶约数函数在几乎所有短区间内的临界窗口剖面

问题陈述
本文研究了比较 $k$ 阶约数函数 $d_k(n)$ 在短区间内的局部平均值与其长平均值的问题。著名的 Matomäki–Radziwiłł 定理已经确立了有界乘性函数在长度趋于无穷的几乎所有短区间内表现出预期的平均值，但像 $d_k(n)$ 这样的无界函数呈现出一种不同的阈值现象。核心难点在于 $d_k(n)$ 的“重尾”特性，即具有大量素因子的整数带有不成比例的大权重，这使得有界函数理论不再适用。

具体目标是确定 $d_k(n)$ 的几乎所有转换尺度（almost-all transition scale）。此前，Mangerel 的工作已经确立，当区间长度满足 $h / (\log X)^{(k-1)^2} \to \infty$ 时，可以恢复长平均值。本文旨在确定精确的临界尺度以及该阈值以下的转换剖面，特别是研究区间长度 $h$ 接近临界长度 $D_k(X) = (\log X)^{k \log k - k + 1}$ 的情况。

方法论
证明依赖于两个主要的数学技术成分，即将概率分布结果与解析均值估计相结合：

1. 加权 Erdős–Kac 定理： 作者利用了在由 $d_k(n)$ 加权的概率测度下，关于 $\Omega(n)$ 函数（计算素因子个数，计入重数）的中心极限定理。在此测度下，归一化变量 $\frac{\Omega(n) - k \log \log X}{\sqrt{k \log \log X}}$ 收敛于标准高斯分布。这提供了必要的分布输入，用以联系区间长度与满足特定 $\Omega(n)$ 截断条件的整数比例之间的关系。

2. $\Omega$-截断 Matomäki–Radziwiłł 估计： 解析核心在于建立由条件 $\Omega(n) \le L$ 截断的狄利克雷多项式的均方估计。

   • Ramaré 分解： 为了处理截断带来的非乘性特征，作者采用了 Ramaré 分解。至关重要的是，他们并没有将 $\Omega$-截断视为临界范围内的可忽略尾部，而是在分解之后，通过柯西公式（Cauchy's formula）将剩余条件 $\Omega(m) \le L-1$ 转化为乘性权重 $z^{-\Omega(m)}$。
   • Halász 距离与大值： 分解中剩余的大素数层迫使产生一个一致的高频 Halász 距离。这一机制为最终的大值范围提供了必要的对数级节省，而直接估计尾部则无法达到这一效果。
   • 均值界限： 证明结合使用了 Montgomery–Vaughan 均值估计、针对约数函数的 Shiu 型估计以及针对素数多项式的 Halász 型大值界限，以控制截断和的 $L^2$ 范数。

主要结果
本文确立了几乎所有 $x \in [X, 2X]$ 时，短区间 $[x, x+h]$ 内 $d_k(n)$ 平均值的精确转换剖面。

• 临界尺度： 临界长度被确定为 $D_k(X) = (\log X)^{k \log k - k + 1}$。
• 转换剖面（定理 1.1）： 令 $\ell = \log \log X$，并定义归一化参数 $A(X) = \frac{1}{\sqrt{\ell}} \log \frac{h}{D_k(X)}$。若 $A(X) = O(1)$，则对于几乎所有 $x$：
  $$\frac{1}{h} \sum_{x < n \le x+h} d_k(n) = \left( \Phi_G\left( \frac{A(X)}{\sqrt{k \log k}} \right) + o(1) \right) M_k(x)$$
  其中 $\Phi_G$ 是标准高斯分布函数，$M_k(x)$ 是长平均值。该公式描述了转换的“有限部分”，表明局部平均值是取决于高斯累积分布函数的全局平均值的某个比例。
• 端点状态（推论 1.2）： 如果区间长度满足 $\frac{\log(h/D_k(X))}{\sqrt{\ell}} \to +\infty$（即 $A(X) \to +\infty$），则高斯因子趋于 1，对于几乎所有 $x$，完整的长平均值得以恢复。

意义与主张
本文声称，相对于之前的工作（特别是 Mangerel 的指数），在恢复约数函数长平均值所需的区间长度方面提供了幂次级的改进。通过识别精确的转换剖面，这项工作弥合了有界函数理论与在多项式对数尺度下无界乘性函数行为之间的鸿沟。

作者强调，这种转换是由区间长度与 $d_k$-权重下 $\Omega(n)$ 的分布之间的相互作用驱动的。技术上的新颖之处在于对 $\Omega$-截断的处理方式：作者并未将其作为尾部丢弃，而是通过 Ramare 分解和柯西公式将其整合进解析机制中，从而实现了一种一致的高频节省，这对于临界范围至关重要。这些结果是以“几乎所有”形式呈现的转换定理，这与 Matomäki–Radziwiłł 方法的概率性质是一致的。