[論文レビュー] Primes in arithmetic progressions to large moduli II: Well-factorable estimates

James Maynard|arXiv (Cornell University)|Jun 12, 2020

Analytic Number Theory Research参考文献 11被引用数 4

ひとこと要約

本稿は、三重に良好に因数分解可能な重みを用いた算術級数内の素数に関する新しい平均値定理を確立し、許容可能な法の範囲を $x^{4/7 - \epsilon}$ から $x^{3/5 - \epsilon}$ まで拡大する。Bombieri, Friedlander, Iwaniec らの先行結果を著しく改善する。この手法は、高度な因数分解技術と双線形形式の推定を活用し、スieve理論的応用においてより大きな法を扱えるようにする。

ABSTRACT

We establish new mean value theorems for primes of size $x$ in arithmetic progressions to moduli as large as $x^{3/5-ε}$ when summed with suitably well-factorable weights. This extends well-known work of Bombieri, Friedlander and Iwaniec, who handled moduli of size at most $x^{4/7-ε}$. This has consequences for the level of distribution for sieve weights coming from the linear sieve.

研究の動機と目的

• 算術級数内の素数の平均値推定が成り立つ法の範囲を、Bombieri, Friedlander, Iwaniec の $x^{4/7 - \epsilon}$ の境界を超えて拡大すること。
• 三重に良好に因数分解可能な重みを用いた算術級数内の素数に関する新しい平均値定理を確立し、より強いスieve理論的推定を可能にすること。
• 現在の手法が $x^{3/5 - \epsilon}$ で限界に達することを示し、四重に良好に因数分解可能な重みのようなより強い因数分解条件からもさらなる向上が得られないことを示唆すること。
• 特に線形スieveおよびその変種に対して、スieve重みの分布のレベルを定量的に改善すること。
• スieve理論におけるBombieri-Vinogradov定理とElliott-Halberstam予想の間のギャップを、重みに関する条件を弱くした状態でより大きな法を扱えるようにすることで埋めること。

提案手法

• 三重に良好に因数分解可能な列の概念を導入し、係数が有界な三つの部分への因数分解を許容する、良好に因数分解可能な列の一般化である。
• 三重に良好に因数分解可能な重みを用いた算術級数の和を扱うために、洗練された双線形形式の手法を採用する。
• スieve重み内の乗法的構造を分解するために、三段階の $D_1, D_2, D_3$ のグリーディ因数分解戦略を適用する。
• 素数積の大きさに基づくケース解析により、すべての構成が所定の境界内にカバーされることを保証する。
• 誤差項の制御と異なるスケール間の一様性の維持のため、dyadic分解とdyadic区間を用いる。
• 結果として得られる誤差項の重み付き和の境界が $O(x / (\log x)^A)$ に保たれることを検証し、Bombieri-Friedlander-Iwaniecの結果と同等の強度を保ちつつ、法の範囲を拡大している。

実験結果

リサーチクエスチョン

• RQ1 良好に因数分解可能な重みを用いた場合、算術級数内の素数の平均値推定が成り立つ法の範囲を $x^{4/7 - \epsilon}$ を超えて拡大できるか？
• RQ2 より強い因数分解条件（例：三重に良好に因数分解可能な重み）のもとで、このような推定が有効な最大の法のサイズは何か？
• RQ3 三重に良好に因数分解可能な重みの手法により、標準的な良好に因数分解可能な場合と比較して、スieve重みの分布のレベルに定量的な改善が得られるか？
• RQ4 $x^{3/5 - \epsilon}$ はこの手法の理論的限界であり、それ以上の拡大は不可能か？
• RQ5 線形スieve（$\beta = 1$）は三重に良好に因数分解可能ではないが、その因数分解特性により、新しい境界の適用が可能か？

主な発見

• 本稿は、三重に良好に因数分解可能な重みを用いた算術級数内の素数に関する新しい平均値定理を確立し、法が $x^{3/5 - \epsilon}$ まで拡大可能であることを示した。これは、先行研究の $x^{4/7 - \epsilon}$ の境界を著しく改善する。
• 主な結果として、任意の固定された $a \in \mathbb{Z}$ および $A, \epsilon > 0$ に対して、重み付き和 $\sum_{q \leq Q, (a,q)=1} \lambda_q \left( \pi(x;q,a) - \frac{\pi(x)}{\phi(q)} \right)$ が $Q \leq x^{3/5 - \epsilon}$ かつ $\lambda_q$ がレベル $Q$ の三重に良好に因数分解可能な場合、$O_{a,A,\epsilon}(x / (\log x)^A)$ に有界であることが示された。
• この手法は、法の範囲を $x^{7/12 + \delta}$ まで拡大するには追加の制約が必要であるため、$x^{3/5 - \epsilon}$ が現在のアプローチの自然な限界であると示され、最適性が裏付けられた。
• この結果は、$\beta \geq 2$ の $\beta$-スieve重みの因数分解可能な変種に直接適用可能であり、これらは三重に良好に因数分解可能な列の線形結合であるため、その分布のレベルが向上する。
• 線形スieve（$\beta = 1$）は三重に良好に因数分解可能ではないが、本稿はその因数分解特性が依然として新しい境界の適用を可能にすることを示し、より広範な適用可能性を示唆している。
• 四重に良好に因数分解可能な重みを要求しても、さらなる改善が得られないことが示された。これは、三重に良好に因数分解可能な条件が、この手法において十分かつ最適であることを示している。