[论文解读] 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 4

一句话总结

本文针对三重良因子权重下的等差数列中的素数，建立了新的均值定理，将允许的模数范围从 Bombieri、Friedlander 和 Iwaniec 的 $x^{4/7 - \epsilon}$ 扩展至 $x^{3/5 - \epsilon}$，显著改进了先前结果。该方法利用先进的因式分解技术与双线性型估计，成功处理了筛法应用中更大的模数。

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.

研究动机与目标

• 将等差数列中素数的均值估计适用的模数范围扩展至 Bombieri、Friedlander 和 Iwaniec 所建立的 $x^{4/7 - \epsilon}$ 以上。
• 为具有三重良因子权重的等差数列中的素数建立新的均值定理，以实现更强的筛法估计。
• 证明当前方法在 $x^{3/5 - \epsilon}$ 处达到极限，表明采用更强的因子分解条件（如四重良因子权重）无法进一步提升。
• 在筛法权重的分布水平上实现定量改进，尤其针对线性筛及其变体。
• 通过在权重条件较弱的情况下处理更大的模数，弥合 Bombieri-Vinogradov 定理与 Elliott-Halberstam 猜想之间的差距。

提出的方法

• 引入三重良因子序列的概念，其为良因子序列的推广，允许将序列分解为三部分，且各部分系数有界。
• 采用改进的双线性型方法，处理具有三重良因子权重的等差数列求和。
• 在三个层级 $D_1, D_2, D_3$ 上应用贪心因式分解策略，以分解筛法权重中的乘法结构。
• 基于素数积大小的分类讨论，确保在所需界限内覆盖所有可能配置。
• 应用 dyadic 分解与 dyadic 区间，以控制误差项并保持不同尺度下的统一性。
• 验证了在素数计数函数中，加权误差项之和的最终界限仍为 $O(x / (\log x)^A)$，与 Bombieri-Friedlander-Iwaniec 的结果强度相当，但模数范围更大。

实验结果

研究问题

• RQ1 当使用良因子权重时，等差数列中素数的均值估计适用的模数范围能否扩展至 $x^{4/7 - \epsilon}$ 以上？
• RQ2 在更强的因子分解条件下（如三重良因子权重），此类估计仍有效的最大模数大小是多少？
• RQ3 三重良因子权重方法是否能为筛法权重的分布水平带来相比标准良因子情况的定量改进？
• RQ4 $x^{3/5 - \epsilon}$ 是否为该方法的理论极限，还是可通过进一步优化实现更远扩展？
• RQ5 线性筛（$\beta = 1$）本身并非三重良因子可分解，但其因式分解性质是否仍能从新建立的界限中受益？

主要发现

• 本文为具有三重良因子权重的等差数列中的素数建立了新的均值定理，其适用模数范围扩展至 $x^{3/5 - \epsilon}$，优于先前的 $x^{4/7 - \epsilon}$ 限制。
• 主要结果表明：对任意固定的 $a \in \mathbb{Z}$ 及 $A, \epsilon > 0$，当 $Q \leq x^{3/5 - \epsilon}$ 且 $\lambda_q$ 为水平 $Q$ 的三重良因子权重时，加权和 $\sum_{q \leq Q, (a,q)=1} \lambda_q \left( \pi(x;q,a) - \frac{\pi(x)}{\phi(q)} \right)$ 的界为 $O_{a,A,\epsilon}(x / (\log x)^A)$。
• 该方法被证明是最优的：若将模数范围扩展至 $x^{7/12 + \delta}$，则需对参数施加额外约束，表明 $x^{3/5 - \epsilon}$ 是当前方法的自然极限。
• 该结果可直接应用于 $\beta$-筛权重的可分解变体（$\beta \geq 2$），其为三重良因子序列的线性组合，从而改进了其分布水平。
• 尽管线性筛（$\beta = 1$）本身并非三重良因子可分解，本文证明其因式分解性质仍允许应用新建立的界限，表明该方法具有更广泛的应用潜力。
• 本文还表明，若要求四重良因子权重，将无法获得进一步改进，说明三重良因子条件对本方法而言已足够且最优。