Skip to main content
QUICK REVIEW

[論文レビュー] Beyond pair correlation

Hugh L. Montgomery, K. Soundararajan|ArXiv.org|Mar 27, 2000
Markov Chains and Monte Carlo Methods被引用数 28
ひとこと要約

この論文は、素数の対相関予想を精緻化し、短い区間における素数の個数関数の分散が、Cramérモデルや元の対相関予想よりもオイラー定数と log(2π) を含む補正項によってより良く予測されることを示している。X = 10^10 および h = 10^5 における数値的証拠は、2番目のモーメントが 9.066 × 10^5 であるのに対し、新しい理論的予測値は 9.098 × 10^5 に近く、双子素数定数の推定における誤差項のわずかなキャンセルを示唆している。

ABSTRACT

The authors study the distribution of psi(x+h)-psi(x)-h and compare it with numerical data.

研究の動機と目的

  • Cramérモデルと短い区間における π(x+h)−π(x)−h の分散に関する数値的データとの間の不一致を解消すること。
  • 短い区間における素数の個数関数の2番目のモーメントのより正確な漸近公式を導出することで、対相関予想を精緻化すること。
  • 観測された分散(9.066×10^5)が、Cramér予測(23.02×10^5)や元の対相関予測(11.51×10^5)よりも顕著に小さい理由を説明すること。
  • ハーディ=リトルウッドの k-タプル予想からの特異級数を用いて、観測された数値的挙動に理論的根拠を与えること。

提案手法

  • ハーディ=リトルウッドの k-タプル予想からの特異級数 S(k) を用いて、∑_{k=1}^h (h−k)S(k) の漸近展開を導出する。
  • ディリクレ級数と線積分を用いた解析的整数論的手法を用いて、S(k) を含む和を評価する。
  • リーマン・ゼータ関数の関数等式とスターリングの公式を用いて、臨界線上でのゼータ関数の積分を推定する。
  • s=1 および s=0 における留数を評価し、主要項 K²/2 および −K log K/(2A) を抽出し、定数 A = (1−C₀−log 2π)/2 を得る。
  • リーマン仮説の下での素数定理の剰余項を考慮し、セザロ重みを用いてその寄与を推定する。
  • 理論的予測を X=10^10 および h=10^5 における数値的データと比較し、モーメントと分布の形状を検証する。

実験結果

リサーチクエスチョン

  • RQ1なぜ短い区間における π(x+h)−π(x)−h の観測された分散が、Cramérモデルと元の対相関予測よりも顕著に小さいのか?
  • RQ2Cramérモデルと数値的データとの不一致は、特異級数 S(k) を含む精緻化された漸近公式によって説明可能か?
  • RQ3π(x+h)−π(x)−h の2番目のモーメントの漸近展開における正確な定数項は何か? そして、これにより以前の予測がどのように改善されるか?
  • RQ4双子素数定数の推定における誤差項が k の和においてどの程度キャンセルされるか? そして、これが最終的な分散にどのように影響するか?

主な発見

  • X=10^10 および h=10^5 における π(x+h)−π(x)−h の2番目のモーメントは、数値的に 9.066×10^5 に求められた。
  • 定数 B = −C₀ − log(2π) ≈ −2.41509 を含む新しい理論的予測は 9.098×10^5 を与え、Cramérモデル(23.02×10^5)や元の対相関予測(11.51×10^5)よりもデータに近い。
  • 分布の正規化されたモーメントは正規分布のそれと近く、6番目のモーメント(15.5288)は正規値(15)よりもわずかに大きいことから、やや重い尾部を示している。
  • 観測された最大のずれは、x=9559758537 で平均から 5.30 標準偏差上回り、正規モデルでは確率 0.00577 である。
  • 最小のずれは x=5116809527 で −5.17 標準偏差であり、正規性のもとでは確率 0.01163 である。
  • |π(x+h)−π(x)−h| > 3000 を満たす点の数は 3,080,882 個であり、正規分布の予想値の5分の1未満であり、予測よりも大きなずれが少ないことを示している。

より良い研究を、今すぐ始めましょう

論文設計から論文執筆まで、研究時間を劇的に削減しましょう。

クレジットカード登録不要

このレビューはAIが作成し、人間の編集者が確認しました。