Lower bounds for the large deviations and moments of the Riemann zeta function on the critical line

这是一份关于论文《临界线上黎曼$\zeta$函数大偏差和矩的下界》（Lower Bounds for the Large Deviations and Moments of the Riemann Zeta Function on the Critical Line）的详细技术总结。该论文由 Louis-Pierre Arguin 和 Nathan Creighton 撰写。

1. 研究背景与问题 (Problem)

黎曼$\zeta$函数在临界线 $\text{Re}(s) = 1/2$ 上的值分布是解析数论的核心问题。Selberg 中心极限定理表明，$\log|\zeta(1/2 + it)|$ 在 $t \in [0, T]$ 上服从均值为 0、方差为 $\log \log T$ 的正态分布。

核心问题：
研究超出标准差量级（即 $\sqrt{\log \log T}$）的大偏差（Large Deviations）行为。具体而言，当偏差量级为 $V \sim \alpha \log \log T$（其中 $\alpha > 0$）时，该事件发生的测度（概率）是多少？

• 已知结果：Soundararajan [Sou09] 在假设黎曼猜想（RH）成立的前提下，给出了大偏差的下界，并推导出矩的下界。
• 未解决问题：在无条件（unconditional）的情况下，证明大偏差的下界，并确定其常数因子，使其与已知的矩下界（如 [HS22], [RS12]）相匹配。之前的无条件工作（如 [AB24]）虽然在大偏差上取得了进展，但常数因子较差，且依赖于临界线外的偏移点。

2. 主要贡献与结果 (Key Contributions & Results)

本文的主要贡献在于无条件地证明了临界线上大偏差的下界，并恢复了最佳已知的矩下界常数。

定理 1.1 (大偏差下界)：
对于任意 $\alpha > 0$，设 $V \sim \alpha \log \log T$。当 $T$ 足够大时，存在常数 $K_\alpha$ 使得：
$$\frac{1}{T} \left| \left\{ t \in [0, T] : \log \left| \zeta \left( \frac{1}{2} + it \right) \right| > V \right\} \right| \ge K_\alpha \int_V^\infty \frac{e^{-\frac{y^2}{\log \log T}}}{\sqrt{\log \log T}} dy$$
其中常数 $K_\alpha$ 满足：
$$K_\alpha \gg (C \alpha^2 \log \alpha)^{-\alpha^2}$$
这一常数与目前已知最尖锐的无条件矩下界（[HS22]）中的常数一致。此前 [AB23] 证明了 $0 < \alpha < 2$ 范围内的匹配上界，本文填补了该范围内无条件下界的空白。

推论 1.2 (矩的下界)：
利用 Soundararajan 的矩分解方法，本文无条件地恢复了所有正实数 $\alpha$ 的分数阶矩下界：
$$\int_0^T |\zeta(1/2 + it)|^{2\alpha} dt \gg K_\alpha T (\log T)^{\alpha^2}$$
这确认了 Soundararajan 的猜想，即 $2k$ 阶矩的主要贡献来自于 $\zeta(1/2 + it)$ 大小约为 $(\log T)^k$ 的 $t$ 值集合。

定理 1.3 (q-方面结果)：
该方法被推广到狄利克雷 $L$-函数族。对于大素数 $q$ 和偶原特征 $\chi$，证明了中心值 $L(1/2, \chi)$ 的大偏差下界，并导出了相应的分数阶矩下界。

3. 方法论 (Methodology)

证明的核心在于结合截断部分和、扭曲矩（Twisted Moments）以及Paley-Zygmund 不等式，并引入了精细的**倾斜测度（Tilted Measure）**技术以优化常数。

3.1 部分和与截断 (Partial Sums and Restrictions)

• 将 $\log|\zeta(1/2 + it)|$ 近似为 Dirichlet 多项式的实部 $S(\eta, t)$。
• 将素数区间划分为多个对数尺度上的区间 $P_j$（基于 $\log \log p$）。
• 定义“好事件” $G_J$：要求部分和 $S_j(t)$ 在每一步都落在特定的“屏障”（Barrier）$[L_j, U_j]$ 内。这些屏障设计为一条斜率为 $\kappa^* \approx V^*/n_J$ 的直线，模拟随机游走的路径。
• 为了处理大偏差，证明将截断点设在 $T^* = T^{1/R(\alpha^2+1)}$ 而非 $T$，因为超出此范围的素数分布难以控制。

3.2 平滑与多项式近似 (Smoothing and Polynomial Approximation)

• 直接处理指示函数（Indicator functions）会导致 Dirichlet 多项式的次数过高，无法应用均值定理。
• 创新点：使用多项式 $D_\pm$ 来近似指示函数（基于 [AB24] 的引理），并结合**倾斜（Tilting）**技术。
• 引入多项式倾斜因子 $\prod Y_j^{2k_{j,u}}$，其中 $Y_j$ 是部分和的增量。这种多项式倾斜比传统的指数倾斜更适合应用 Dirichlet 多项式的均值定理，从而允许使用更短的截断长度，优化了常数 $K_\alpha$。

3.3 扭曲矩估计 (Twisted Moments Estimation)

• 利用 Paley-Zygmund 不等式：
  $$P(|\zeta M|^2 > \delta E[|\zeta M|^2 | G_J]) \ge (1-\delta)^2 \frac{E[|\zeta M|^2 | G_J]^2}{E[|\zeta M|^4 | G_J]}$$
  其中 $M(t)$ 是精心构造的磨光子（Mollifier）。
• 核心计算：计算受限条件下的二阶和四阶扭曲矩 $E[|\zeta M|^{2k} 1_{G_J}]$。
• 通过定义 $\alpha$-可分（$\alpha$-separable） 的扭曲多项式 $Q(t)$，证明了这些矩主要由对角项（Diagonal terms）主导。
• 利用 Steinhaus 模型（随机相位模型）来近似这些矩。证明了在倾斜测度下，受限期望与高斯随机游走的概率在渐近意义下是匹配的。

3.4 关键引理

• Proposition 3.5：给出了 $\alpha$-可分扭曲多项式的二阶和四阶扭曲矩的精确渐近公式。
• Lemma 3.1 & 3.2：处理多项式倾斜与指示函数近似之间的误差，确保常数因子的最优性。
• Proposition 3.7：利用 Markov 不等式和 Steinhaus 模型的高斯矩估计，控制部分和超出目标区间的尾部概率。

4. 技术细节与难点 (Technical Details & Challenges)

1. 常数的优化：
   之前的无条件证明（如 [AB24]）在临界线外进行，通过凸性论证回到临界线，导致常数因子较差（$\alpha^{36}$ 次方）。本文直接在临界线上操作，通过精细的倾斜策略，将常数优化至 $(\alpha^2 \log \alpha)^{-\alpha^2}$，这与 Keating-Snaith 猜想及 [HS22] 的矩下界一致。

2. 截断与倾斜的平衡：
   为了应用均值定理，Dirichlet 多项式的长度必须小于 $T$。大偏差事件极其罕见，通常需要高次多项式来“检测”它。本文通过引入依赖于路径的倾斜因子，使得所需的 Dirichlet 多项式长度可以截断在 $T^* \ll T$，同时保持对大偏差事件的有效探测。

3. 小素数与大素数的处理：

   • 小素数 ($P_0$)：由于数量少，不表现出高斯行为，需要保留完整的 Euler 乘积形式，并引入算术因子 $a_\alpha$。
   • 大素数 ($P_j, j \ge 1$)：表现出高斯行为，可以使用 Steinhaus 模型近似。
     证明中需要精确处理这两部分的卷积。

4. Paley-Zygmund 不等式的应用：
   为了获得下界，必须证明二阶矩的平方与四阶矩的比值是有界的。这要求对四阶矩进行极其精确的上界估计，而不仅仅是数量级估计。

5. 意义与影响 (Significance)

• 无条件性：移除了对黎曼猜想（RH）的依赖，证明了大偏差下界是黎曼$\zeta$函数内在性质的结果，而非假设的推论。
• 常数最优性：恢复了与目前已知最尖锐矩下界相匹配的常数因子，验证了 Soundararajan 关于矩贡献来源的猜想。
• 方法论推广：提出的“多项式倾斜 + 截断部分和 + 可分扭曲”的方法具有通用性，已成功推广到狄利克雷 $L$-函数族（定理 1.3），为研究其他 $L$-函数族的大偏差和矩提供了强有力的工具。
• 随机矩阵理论联系：结果支持了黎曼$\zeta$函数值分布与随机矩阵理论（RMT）预测的一致性，特别是在大偏差区域。

总结

这篇论文通过引入精细的倾斜测度和多项式近似技术，在无条件框架下解决了黎曼$\zeta$函数临界线上大偏差下界的长期难题，不仅给出了正确的渐近阶，还精确恢复了关键的常数因子，从而连接了大偏差理论与矩理论，并推广到了更广泛的 $L$-函数族。