Random Multiplicative Functions and Making Squares from Polynomial Values

技术摘要：随机乘性函数与多项式取值的平方问题

问题陈述
本文研究了在多项式取值处评估随机乘性函数（RMF）的偏和的极限分布。具体而言，对于一个具有正首项系数的固定多项式 $P(X) \in \mathbb{Z}[X]$，作者研究了如下和式的渐近行为：
$$\sum_{n \le N} f(P(n))$$
其中 $f$ 是一个随机乘性函数。研究重点在于两种特定类型的 RMF：

1. Rademacher RMF： $f(p)$ 是在 $\{1, -1\}$ 上均匀分布的独立同分布随机变量，且 $f(n)$ 通过乘性定义，若 $n$ 不是无平方因子数（square-free），则 $f(n)=0$（模拟 Möbius 函数）。
2. 扩展 Rademacher RMF： 定义类似，但 $f(n)$ 是完全乘性定义的（对于所有 $n$ 非零）。

核心问题是这些和式在归一化后是否收敛到标准高斯分布 $\mathcal{N}(0, 1)$。虽然 Steinhaus 情况（复单位圆上的值）已被 Klurman–Shkredov–Xu 证明对任何多项式都成立，但 Rademacher 和扩展 Rademacher 情况呈现出显著更难的丢番图挑战。

方法论
作者采用基于鞅理论（Martingale theory）的概率框架，特别是 McLeish 中心极限定理，将概率问题简化为一组丢番图计数问题。其方法论的核心在于建立“稀疏性”（paucity）现象：证明特定丢番图方程解的数量由“对角”解（即多项式取值之间存在平凡关系的解）所主导，而“非对角”解是可以忽略不计的。

关键技术工具包括：

• 丢番图几何： 利用 Hooley、Evertse–Silverman 和 Reuss 的结果来限制由多项式方程定义的曲线和曲面上的整点数量。
• 筛法： 应用筛法界限（例如 Huxley, Bombieri–Pila）来控制多项式值中平方因子的分布。
• Pell–Fermat 方程： 对于二次情况（$\deg P = 2$），作者开发了一种利用二次范数形式的乘性结构以及 Pell–Fermat 方程解的大小来获得更精确估计的新方法。
• 组合分解： 对于更高次数的情况，作者使用基于完全图 $K_4$ 的解集组合分解，通过对边进行标记（使用多项式值的最大公约数）来管理较大的平方因子。
• 数值优化： 二次多项式四阶矩估计中的指数是通过线性规划进行优化的。

主要贡献与结果

1. 中心极限定理 (CLT)：

   • 定理 1.1 (Rademacher 情况)： 证明了对于 $\sum f(P(n))$ 的 CLT，其中 $f$ 是 Rademacher RMF，前提是 $P$ 是可分的，$\deg P \ge 2$，且 $P(n)$ 为无平方因子数的 $n$ 的集合具有正下密度。这扩展了之前 Chinis–Shala 的工作（仅涵盖 $\deg P = 2$）到一般多项式。
   • 定理 1.2 (扩展 Rademacher 情况)： 证明了一个无条件的 CLT 对于 $\sum g(P(n))$，其中 $g$ 是扩展 Rademacher RMF，假设 $P$ 是可分的，$\deg P \ge 2$，且 $P$ 的每个不可约因子的次数 $\le 3$。

2. 丢番图估计：

   • 二次情况 ($\deg P = 2$)： 作者为方程 $P(n_1)P(n_2) = \square$ 和 $P(n_1)P(n_2)P(n_3)P(n_4) = \square$ 的非对角解数量建立了尖锐界限。
     • 对于方差（二阶矩），非对角解的数量为 $O(\sqrt{N})$（命题 5.1）。
     • 对于四阶矩，非对角解的数量为 $O(N^{3/2+\varepsilon})$（命题 6.1）。这些界限对于验证 CLT 标准至关重要。
   • 高次数情况 ($\deg P \ge 3$)： 在假设不可约因子次数 $\le 3$ 的条件下，作者提供了四阶矩的估计。他们证明了具有有界无平方因子核（square-free cores）的方程 $P(n_1)P(n_2)P(n_3)P(n_4) = \square$ 的解的数量为 $O(A^{11/9}N^{14/9+\varepsilon})$（命题 8.1）。

3. 方差计算：
   论文强调，由于 Steinhaus 情况中存在的正交性在扩展 Rademacher 情况中并不成立，因此计算方差是非平凡的。方差取决于对 $P(n_1)P(n_2) = \square$ 解的计数，这需要区分 $P(n)$ 的无平方因子值与非无平方因子值。

意义与主张
作者指出，他们的工作解决了为一大类多项式在 Rademacher 和扩展 Rademacher 设置下建立 CLT 所需的丢番图问题。

• 尖锐性： 对于 $\deg P = 2$，结果最为尖锐，因为 Pell–Fermat 方程理论允许比 $\deg P \ge 3$ 时更紧凑的界限。
• 无条件结果： 定理 1.2 为具有次数 $\le 3$ 的不可约因子的多项式提供了无条件的高斯极限。
• 局限性与开放问题： 作者指出，对于不可约因子次数 $\ge 4$ 的多项式，他们的证明目前依赖于平方因子筛法猜想（Square-Free Sieve Conjecture）的一个幂次节省版本（具体为假设 $H_\delta$）。他们明确指出，证明此类多项式的无条件 CLT 仍然是一个开放问题。
• 丢番图兴趣： 除了概率应用外，论文还将丢番图方程 $P(n_1)P(n_2) = \square$ 和 $P(n_1)P(n_2)P(n_3)P(n_4) = \square$ 作为本身就很有趣的课题提出，提供了新的组合分解和界限，有望启发未来的丢番图分析进展。

论文承认，虽然通过鞅理论将概率问题还原为丢番图问题是标准做法，但其新颖之处在于 Rademacher 和扩展 Rademacher 情况所需的特定丢番图估计，由于缺乏完美的正交性以及平方因子的存在，这些情况比 Steinhaus 情况要困难得多。