Bilinear Kloosterman sums over small boxes and uniformity of a random walk

技术摘要：小方框上的双线性克罗斯特罗曼和（Kloosterman Sums）与随机游走的均匀性

1. 问题陈述与背景

本文探讨了数论与有限域概率论中两个相互关联的问题。首先，研究旨在建立任意有限域 $\mathbb{F}_q$（其中 $q=p^n$）中“方框”（box）上的双线性克罗斯特罗曼和的有非平凡界限。方框被定义为一个坐标平行六面体，其通过限制域元素相对于 $\mathbb{F}_p$ 的固定基底的系数在 $\mathbb{F}_p$ 中的区间来构造。经典的 Weil 界对于在整个域或非常大的子集上进行的求和是有效的；但在乘积 $|B_1||B_2|$ 小于 $q$ 时，它无法提供非平凡的估计。具体而言，本文针对的是 $|B_1||B_2| > q^{1/2+\epsilon}$ 这一区间，该区间在以往是无法通过标准界限触及的。

其次，本文研究了 $\mathbb{F}_q$ 上一种特定随机游走的混合性质。该游走由 $S_k = S_0 + W_1 + \dots + W_k$ 定义，其中增量 $W_i$ 具有形式 $aX_iY_i + b(X_iY_i)^{-1}$，这里 $X_i$ 和 $Y_i$ 是独立随机变量，分别在方框 $B_1$ 和 $B_2$ 上服从均匀分布。核心问题在于，初始方框所固有的加法结构是否会被非线性变换 $(x, y) \mapsto axy + b(xy)^{-1}$ 所破坏，从而导致 $S_k$ 的分布收敛于 $\mathbb{F}_q$ 上的均匀分布，并使其熵达到最大值。

2. 研究方法

作者结合了有限阿贝尔群上的傅里叶分析、组合数论以及概率方法。

• 傅里叶分析与特征和： 论证的核心依赖于对随机游走分布的傅里叶系数进行估计。论文利用加法特征 $\psi(x) = e_p(\text{Tr}(x))$ 的正交性，将这些系数的衰减与双线性克罗斯特罗曼和的大小联系起来。
• Bourgain 定理的扩展： 主要的技术成就在于将 Bourgain 的定理（最初针对 $\mathbb{F}_p$）扩展到任意有限域 $\mathbb{F}_q$。这涉及证明对于满足 $|B_1||B_2| \ge q^{1/2+\epsilon}$ 的方框 $B_1, B_2$，和式
  $$\sum_{x \in B_1} \sum_{y \in B_2} \alpha(x)\beta(y)\psi(axy + bx^{-1}y^{-1})$$
  被限制在 $p^{-\delta}|B_1||B_2|$ 以内，其中 $\delta > 0$。
• 组合引理： 证明该和式的界限利用了若干辅助结果：
  • 乘法能量： 建立了方框的乘法能量界限，证明 $E^\times(B) \ll n \log p \cdot |B|^2$。
  • 分箱法（Pigeonholing）与双重计数： 证明策略包括划分方框、反复应用 Cauchy-Schwarz 不等式，并使用 Hölder 不等式将问题简化为计算涉及倒数的特定方程的解的数量。
  • 引理 2 与 引理 8： 这些引理提供了关于方程 $\sum \frac{1}{y+x_i} = \sum \frac{1}{y+x_j}$ 及相关有理函数和的解数量的界限，这对于控制能量估计中的“对角”项至关重要。
• 概率收敛： 傅里叶系数的衰减通过将 $\chi^2$ 散度（Chi-square divergence）、全变差距离（Total Variation distance, $\|\cdot\|_{TV}$）以及相对熵（Kullback-Leibler divergence）联系起来的标准不等式，转化为随机游走的收敛速率。

3. 主要贡献与结果

• 定理 1（双线性克罗斯特罗曼和估计）： 论文证明了任意方框上加权双线性克罗斯特罗曼和的幂次节省（power-saving）估计。只要 $|B_1||B_2| \ge q^{1/2+\epsilon}$，该界限就是非平凡的。这将其结果从素域情况扩展到了广义有限域及任意坐标方框。
• 推论 1（和集的扩张）： 作为和式估计的推论，本文确立了方框中元素倒数之和的集合会显著扩张。具体而言，对于任何方框 $B$，集合 $kB^{-1}$（$k$ 个倒数的和）的大小满足对于足够大的 $k$，有 $|kB^{-1}| \ge p^{-\delta} \min\{|B|^2, q\}$。
• 定理 2（线性投影的均匀性）： 论文表明，对于随机游走 $S_k$，每一个非零 $\mathbb{F}_p$-线性投影 $L(S_k)$ 都会指数级快速地收敛到 $\mathbb{F}_p$ 上的均匀分布。具体而言，$\chi^2$ 散度按 $(p-1)\rho^{2k}$ 衰减，其中 $\rho = \min\{1, C_\epsilon p^{-\delta}\}$。因此，任何单坐标（在任何基底下）的熵都趋向于其最大值 $\log p$。
• 定理 3（全分布的均匀性）： 论文将结果扩展到 $\mathbb{F}_q$ 上的全分布 $S_k$。它表明 $S_k$ 的分布以由 $(q-1)\rho^{2k}$ 控制的速率收敛到 $\mathbb{F}_q$ 上的均匀分布。
• 熵界限： 论文提供了 $S_k$ 及其投影的显式熵下界，表明其熵以指数级速度趋向于其最大值（全游走为 $\log q$，投影为 $\log p$）。

4. 重要性与主张

作者认为其估计之所以重要，是因为它们在经典 Weil 界无法提供任何非平凡信息的范围（即 $|B_1||B_2| > q^{1/2+\epsilon}$）内发挥作用。这使得分析此前无法触及的“小”方框成为可能。

关于随机游走，论文强调了不同的混合尺度：

• 坐标级混合： 每个非零线性投影（以及每个基底下的每个坐标）在 $O(1)$ 步内（具体为当 $k > 1/(2\delta)$ 时）变为渐近均匀。
• 全联合混合： 全分布在 $\mathbb{F}_q$ 上的均匀化需要 $k > n/(2\delta)$ 步。

作者将此解释为“坐标级伪随机性发生在全联合伪随机性之前”，后者需要额外的 $n$ 倍因子（域扩张次数）。这些结果量化了非线性变换 $xy + (xy)^{-1}$ 如何破坏初始方框的加法结构，从而驱动系统趋向于均匀性并实现熵的最大化。