[论文解读] Currently there are no reasons to doubt the Riemann Hypothesis: The zeta function beyond the realm of computation

David W. Farmer|arXiv (Cornell University)|Nov 21, 2022

Random Matrices and Applications被引用 5

一句话总结

本文主张，目前并无令人信服的证据表明黎曼猜想（RH）不成立，反驳了基于计算数据的常见误解。通过运用随机矩阵理论、特征多项式以及载波波的概念，分析黎曼 zeta 函数在极高高度处的行为，作者表明，ζ(1/2 + it) 的大值自然源于零点密度的波动，而非对 RH 的违反。其主要贡献在于建立了一个统一的框架，解释为何计算异常并不构成对 RH 的威胁。

ABSTRACT

We examine published arguments which suggest that the Riemann Hypothesis may not be true. In each case we provide evidence to explain why the claimed argument does not provide a good reason to doubt the Riemann Hypothesis. The evidence we cite involves a mixture of theorems in analytic number theory, theorems in random matrix theory, and illustrative examples involving the characteristic polynomials of random unitary matrices. Similar evidence is provided for four mistaken notions which appear repeatedly in the literature concerning computations of the zeta-function. A fundamental question which underlies some of the arguments is: what does the graph of the Riemann zeta-function look like in a neighborhood of its largest values? We explore that question in detail and provide a survey of results on the relationship between L-functions and the characteristic polynomials of random matrices. We highlight the key role played by the emergent phenomenon of carrier waves, which arise from fluctuations in the density of zeros. The main point of this paper is that it is possible to understand some aspects of the zeta function at large heights, but the computation evidence is misleading.

研究动机与目标

• 反驳已发表的、认为黎曼猜想可能为假的论点，特别是那些基于对 zeta 函数大值计算观察的论点。
• 澄清文献中关于 zeta 函数计算的广泛误解，尤其是关于 Gram 点和区间类型的问题。
• 利用随机矩阵理论和特征多项式，深入理解 zeta 函数在计算失效的极高高度处的行为。
• 解释为何 |ζ(1/2 + it)| 的大值并不出人意料，也并非 RH 失效的征兆，而是零点密度统计波动的结果。
• 建立一个以载波波和密度波为核心的理论框架，将零点分布与 zeta 函数的大小联系起来。

提出的方法

• 通过随机矩阵理论分析 zeta 函数的值分布，特别是将 ζ(1/2 + it) 与大随机酉矩阵的特征多项式进行比较。
• 引入‘载波波’的概念——即零点密度的波动，这些波动调制了 zeta 函数在极高高度处的振幅。
• 利用 U(N) 中 Haar 随机矩阵在 N = 62、250 和 1000 时的数值数据，模拟超出直接计算能力的区域的行为。
• 应用 Riemann–Siegel 公式和 Weil 的显式公式，将零点分布与函数值联系起来，并检测异常现象。
• 区分‘好’与‘坏’的 Gram 点，并表明在大 N 时这种区分趋于消失，从而削弱其在检验 RH 时的适用性。
• 综述 L-函数与随机矩阵特征值之间的联系，强调统计规律性的出现，而非单个零点行为。

实验结果

研究问题

• RQ1 为何基于 |ζ(1/2 + it)| 大值的计算结果，会引发一些人对黎曼猜想的怀疑，尽管这种怀疑缺乏理论依据？
• RQ2 载波波——即零点密度的波动——如何解释在极高高度处观察到的 zeta 函数大值？
• RQ3 随机矩阵模型在多大程度上能准确预测 zeta 函数在直接计算范围之外的统计行为？
• RQ4 为何将 Gram 点区分为‘好’与‘坏’在评估黎曼猜想的有效性时具有误导性？
• RQ5 为何在位移 Gram 点附近的区间类型分布中，小矩阵模拟与理论预测之间存在明显差异？

主要发现

• 在 N = 250 和 N = 1000 的数据中显示，'好'与'坏' Gram 点的区分在统计上变得无意义，两类点在大 N 时出现概率趋于相等。
• 对于 N = 62，位移 Gram 点处 Type II 与 Type I 区间的比值显著偏离 1，但该偏差随 N 增大而减小，表明这是有限尺寸效应。
• 随着 N 增大，所有位移水平（−0.2δ 至 0.2δ）下 Type I 与 Type II 区间的比例均趋近于 1，支持局部间距模式的普遍性。
• 随机矩阵数据表明，零点的更大间隙和聚集比泊松类模型预测得更可能出现，这与分布中存在次级项一致。
• 载波波——源于零点密度的波动——解释了为何 |ζ(1/2 + it)| 可以很大而不违反黎曼猜想，因为这些是统计波动，而非结构性异常。
• S(t)，即 log ζ(1/2 + it) 的虚部，与 |ζ(1/2 + it)| 的大小相关：在 zeta 函数值较大的区域，S(t) 倾向于减小，这一现象可通过载波波与密度波的相互作用来解释。