[论文解读] Determining Optimal Test Functions for Bounding the Average Rank in Families of $L$-Functions

Jesse Freeman, Steven J. Miller|arXiv (Cornell University)|Jul 13, 2015

Analytic Number Theory Research参考文献 40被引用 5

一句话总结

本文通过求解源自随机矩阵理论的延迟微分方程，确定了用于界定 $L$-函数族平均秩的最优测试函数，在各种支持范围下，对经典紧致群（SO(偶数), SO(奇数), Sp）实现了更优的秩估计。其主要贡献在于提出了一套系统化方法，用于计算能最大化对中心秩消失敏感度的最优函数，从而在数论与算术几何中实现更紧致的界限。

ABSTRACT

Given an $L$-function, one of the most important questions concerns its vanishing at the central point; for example, the Birch and Swinnerton-Dyer conjecture states that the order of vanishing there of an elliptic curve $L$-function equals the rank of the Mordell-Weil group. The Katz and Sarnak Density Conjecture states that this and other behavior is well-modeled by random matrix ensembles. This correspondence is known for many families when the test functions are suitably restricted. For appropriate choices, we obtain bounds on the average order of vanishing at the central point in families. In this note we report on progress in determining the optimal test functions for the various classical compact groups for different support restrictions, and discuss how this relates to improved rank bounds.

研究动机与目标

• 改进关于 $L$-函数族在中心点处零点阶数平均值的界限，这是算术几何与 Birch 和 Swinnerton-Dyer 猜想中的核心问题。
• 通过为更大支持范围构造最优测试函数，将 $n$-重密度方法的应用范围从标准支持 $(-2,2)$ 扩展出去。
• 为经典紧致群（SO(偶数), SO(奇数), Sp）在不同支持约束下提供确定最优测试函数的系统化框架。
• 为未来工作中引入低阶项奠定基础，从而更准确地建模有限导子行为的数值数据。

提出的方法

• 求解源自积分算子 $(I + K_{\mathcal{G},\sigma})$ 作用于候选测试函数 $\hat{g}_{\mathcal{G}}$ 的延迟微分方程组。
• 通过求解齐次方程 $(I + K_{\mathcal{G},\sigma})\hat{g}_{\mathcal{G}} = c$（其中 $c$ 为常数）来计算未归一化的最优函数 $\hat{g}_{\mathcal{G}}$。
• 通过将解归一化使得 $(I + K_{\mathcal{G},\sigma})(\hat{g}_{\mathcal{G}})(0) = 1$，确定正确的缩放因子 $\lambda_{\mathcal{G},\sigma}$，并使用显式积分表达式。
• 推导出涉及 $\sigma$（支持参数）的正弦与正切函数的 $\lambda_{\mathcal{G},\sigma}$ 的闭式表达式。
• 将该方法应用于 $\mathcal{G} = \mathrm{SO(odd)}, \mathrm{SO(even)}, \mathrm{Sp}$ 的 1-重密度，支持范围为 $\sigma \in (3,4)$，并推测可推广至所有 $\sigma > 0$。
• 利用核 $K_{\mathcal{G},\sigma}$ 的结构，通过从解族中选择系数，将无限维优化问题简化为有限维问题。

实验结果

研究问题

• RQ1 当支持范围超过 $(-2,2)$ 时，与经典紧致群相关的 $L$-函数族 1-重密度的最优测试函数是什么？
• RQ2 如何对延迟微分方程组的解进行缩放，以获得一个归一化的测试函数，从而最大化对中心秩消失的敏感度？
• RQ3 在 $\sigma \in (3,4)$ 范围内，$\mathcal{G} = \mathrm{SO(偶数)}, \mathrm{SO(奇数)}, \mathrm{Sp}$ 的归一化常数 $\lambda_{\mathcal{G},\sigma}$ 的显式闭式表达式是什么？
• RQ4 用于 1-重密度的方法能否推广至 $n$-重密度，并进一步扩展以包含密度展开中的低阶项？
• RQ5 核 $K_{\mathcal{G},\sigma}$ 的哪些结构特性使得无限维优化问题可被简化为有限维问题？

主要发现

• 对于 $\mathcal{G} = \mathrm{SO(偶数)}$，归一化常数为 $\lambda_{\mathcal{G},\sigma} = 2\sqrt{2}\sin\left(\frac{1}{4}(3-2\sigma)\right) + (\sigma-1)\sin\left(\frac{1}{4}(-2\sigma+\pi+3)\right) + \frac{1}{2}\sin\left(\frac{1}{4}(2\sigma+\pi-3)\right)\left(\sqrt{2}(\sigma+1)\tan\left(\frac{\sigma-1}{\sqrt{2}}\right)+2\right)$。
• 对于 $\mathcal{G} = \mathrm{Sp}$，归一化常数为 $\lambda_{\mathcal{G},\sigma} = -2\sqrt{2}\sin\left(\frac{1}{4}(3-2\sigma)\right) + (\sigma-1)\cos\left(\frac{1}{4}(2\sigma+3\pi-3)\right) + \frac{1}{2}\sin\left(\frac{1}{4}(-2\sigma+\pi+3)\right)\left(\sqrt{2}(\sigma-3)\tan\left(\frac{\sigma-1}{\sqrt{2}}\right)+2\right)$。
• 对于 $\mathcal{G} = \mathrm{SO(奇数)}$，归一化常数为 $\lambda_{\mathcal{G}} = \lambda_{\mathrm{Sp}} + 4(\sigma-1)\sin\left(\frac{1}{4}(2\sigma+\pi-3)\right) + 4\sqrt{2}\sin\left(\frac{1}{4}(3-2\sigma)\right) - 2\sqrt{2}(\sigma-2)\sin\left(\frac{1}{4}(-2\sigma+\pi+3)\right)\tan\left(\frac{\sigma-1}{\sqrt{2}}\right)$。
• 未归一化的最优函数 $\hat{g}_{\mathcal{G}}$ 满足 $(I + K_{\mathcal{G},\sigma})\hat{g}_{\mathcal{G}} = c$（$c$ 为非零常数），随后通过 $\lambda_{\mathcal{G},\sigma}$ 归一化为 1。
• 该方法成功将适用范围扩展至经典 $(-2,2)$ 支持之外，在 $\sigma \in (3,4)$ 范围内取得结果，并推测可推广至所有 $\sigma > 0$。
• 该方法将寻找最优测试函数的无限维问题简化为在解族上的有限维优化问题，其中第二步（系数选择）被识别为更具挑战性的部分。