Counting square-free values of random polynomials

技术摘要：随机多项式中无平方因子值的计数

问题陈述
本文研究了计算整数多项式所取无平方因子值（square-free values）的问题。设 $P \in \mathbb{Z}[t]$ 为一个 $d$ 次多项式。感兴趣的量是 $E_P(x)$，它定义为 $1 \le n \le x$ 时 $P(n)$ 为无平方因子值的实际计数与期望主项 $S_P x$ 之间的误差项，其中 $S_P$ 是关于素数的奇异级数乘积。虽然对于任何不可约多项式，$E_P(x) = o(x)$ 是一个民间猜想，但对于次数 $d \ge 4$ 的情况，这仍然是一个未证明的问题（甚至对于 $d \le 3$ 的情况，仅已知存在无穷多个无平方因子值）。

作者研究了当 $P$ 取自一个随机多项式族时 $E_P(x)$ 的行为。具体而言，论文考虑了集合 $P_d(H) = \{P \in \mathbb{Z}[t] : \deg(P)=d, |P| \le H\}$，其中 $|P|$ 表示系数的最大模。目标是确定误差项二阶矩的大小：
$$(2H)^{-d-1} \sum_{P \in P_d(H)} |E_P(x)|^2$$
Filaseta、Shparlinski、Browning 等人的前人工作已经建立了这些矩的界限，但在随机多项式的背景下，误差项的精确数量级尚未得到充分表征。

方法论
证明过程通过几个分析阶段进行，结合了概率数论与复分析技术：

1. 截断与模型转换： 作者使用涉及 $k \le z$ 之和的截断模型 $SP(z)$来替换无平方因子数的指示函数$\mu^2(P(n))$。这使得在二阶矩展开中可以将对角项（$n=m$）与非对角项（$n \neq m$）分离。
2. 组合计数： 引理 2.1 至 2.3 提供了关于多项式模 $k^2$ 的根的数量以及被平方数整除的多项式的分布的界限。这些界限对于估计由截断引入的误差至关重要。
3. Cesàro 求和与 Perron 积分： 论文中识别出的一个关键创新是认识到二阶矩结构本质上包含了 Cesàro 求和。非对角和 $\sum_{n \neq m} c(m,n)$（其中 $c(m,n)$ 取决于 $m-n$）通过 Perron 公式的一个版本进行变换。这允许使用具有核函数 $1/(s(s+1))$ 的复积分，该核函数提供了额外的收敛因子。
4. 狄利克雷级数分析： 对算术函数 $b(k) = c(k, 0)$ 进行分析。其狄利克雷级数被证明为 $\zeta(s)\zeta(2+2s)G(s)/\zeta(2)^2$，其中 $G(s)$ 是在 $\Re(s) > -3/4$ 时全纯的函数。
5. 轮廓移动： 积分向左移动，经过位于 $s=1, s=0, s=-1/2$ 的极点。作者将积分线移动到 $\Re(s) = -1/2 - \delta$。由于 Cesàro 核提供的收敛性以及黎曼 $\zeta$ 函数在临界带内的特定界限，这是可以实现的。论文明确指出，Lindelöf 假设或亚凸性界限在此特定设置中并不提供优势。

主要贡献与结果
主要贡献是确定了误差项二阶矩的渐近行为。论文证明了误差项通常的大小为 $x^{1/4}$（因为二阶矩为 $x^{1/2}$）。

定理 1.1 确立了以下关于二阶矩的渐近关系，其中 $\gamma_0 \approx 0.192$ 是由 $s=-1/2$ 处的留数导出的特定常数：

1. 对于 $x \le H^{1/(d+3)}$：
   $$(2H)^{-d-1} \sum_{P \in P_d(H)} |E_P(x)|^2 = \gamma_0 x^{1/2} + O(x^{1/2-\delta})$$
   对于任何满足 $x \le H^\alpha$ 且 $\alpha < 1/(d+3)$ 的情况均成立。

2. 对于 $x \le H^{1/(d+28/9)}$：
   $$(2H)^{-d-1} \sum_{P \in P_d(H)} |E_P(x)|^2 = \gamma_0 x^{1/2} + O(x^{4/9+\varepsilon})$$
   对于任何 $\varepsilon > 0$ 且 $\beta < 1/(d+28/9)$ 均成立。

常数 $\gamma_0$ 源自狄利克雷级数在 $s = -1/2$ 处的留数，具体涉及 $\zeta(-1/2)$ 和 $G(s)$ 的欧拉乘积。$x^{1/2}$ 项意味着二阶矩的量级，即典型的误差 $E_P(x)$ 的量级为 $x^{1/4}$。

意义与主张
论文声称，二阶矩中 $x^{1/2}$ 的数量级（从而使误差为 $x^{1/4}$）并非显而易见，因为仅对角项就会贡献一个量级为 $x H^{d+1}$ 的项。新颖之处在于对角项贡献与非对角项之间的精确抵消现象，这一现象是通过在随机多项式上的算术函数的二阶矩中内置的 Cesàro 求和实现的。

作者强调，该结果为 $n \neq m$ 项的贡献提供了一个完整的渐近展开。这项工作将对无平方因子值的理解从一阶矩（平均结果）扩展到了二阶矩，为误差的分布提供了更清晰的图景。论文指出，虽然 Mirsky 的工作表明 $\mu^2$ 的所有阶矩的渐近式都是可能的，但涉及 Cesàro 求和的高阶矩计算似乎是非常“困难”的。

尽管结果取决于次数 $d$ 以及 $x$ 与 $H$ 的关系，但它们代表了量化随机多项式无平方因子值问题中“典型”误差项行为的重要一步。