[论文解读] Spatial statistics for lattice points on the sphere I: Individual results

Jean Bourgain, Zeév Rudnick+1 more|arXiv (Cornell University)|Jun 19, 2016

Point processes and geometric inequalities被引用 9

一句话总结

本文研究了将大整数表示为三个平方和时，从格点在球面上的空间分布。在广义黎曼猜想（GRH）条件下，证明了这些点具有渐近最优的Riesz $ s $-能量，并在Ripley函数中表现出猜想的随机行为，表明在尺度 $ N_n^{-1+\theta} $ 下接近均匀且非刚性分布，对两平方和的覆盖半径和间隙具有影响。

ABSTRACT

We study the spatial distribution of point sets on the sphere obtained from the representation of a large integer as a sum of three integer squares. We examine several statistics of these point sets, such as the electrostatic potential, Ripley's function, the variance of the number of points in random spherical caps, and the covering radius. Some of the results are conditional on the Generalized Riemann Hypothesis.

研究动机与目标

• 分析由方程 $ x_1^2 + x_2^2 + x_3^2 = n $ 的整数解导出的归一化格点 $ \widehat{\mathcal{E}}(n) \subset S^2 $ 的空间分布。
• 使用电势能、Ripley函数和覆盖半径等统计量，将这些构型与随机点集和刚性格点进行比较。
• 在GRH条件下，建立Riesz $ s $-能量的渐近最优性，并猜想对对相关统计量表现出类似随机的行为。
• 推导两平方和间隙分布的后果，将覆盖半径猜想与数论中的间隙界联系起来。

提出的方法

• 分析大 $ n $ 时的归一化点集 $ \widehat{\mathcal{E}}(n) = \frac{1}{\sqrt{n}} \mathcal{E}(n) \subset S^2 $，重点关注空间统计。
• 使用Riesz $ s $-能量 $ E_s(P_1, \dots, P_N) = \sum_{i \neq j} |P_i - P_j|^{-s} $（$ 0 < s < 2 $），在GRH下证明其渐近最优性。
• 采用Ripley函数 $ K_r $ 计算距离 $ r $ 内的点对数量，在GRH下建立 $ N_n^{-1+\epsilon} \leq r \leq 2 $ 时的 $ O(N^2 r^2) $ 上界。
• 运用调和分析和指数和估计，特别是控制 $ \left| \sum_{\zeta \in \widehat{\mathcal{E}}(n)} e^{2\pi i \zeta \cdot \omega} \right|^2 $，以控制球帽内点数的方差。
• 利用覆盖半径猜想，通过筛法和 $ \mathcal{S}_2 $ 的性质，推导两平方和间隙的界。
• 依赖于不存在Siegel零点（弱于完整GRH）来推导关键估计，尤其在控制帽内点数方差方面。

实验结果

研究问题

• RQ1 在广义黎曼猜想下，归一化格点 $ \widehat{\mathcal{E}}(n) $ 在球面上是否对 $ 0 < s < 2 $ 具有渐近最优的Riesz $ s $-能量？
• RQ2 Ripley函数 $ K_r $ 测量的 $ \widehat{\mathcal{E}}(n) $ 的对相关行为，在尺度 $ r \sim N_n^{-1+\epsilon} $ 下是否与随机点集一致？
• RQ3 归一化格点 $ \widehat{\mathcal{E}}(n) $ 的覆盖半径的渐近行为如何？其与平方和数论性质有何关联？
• RQ4 覆盖半径猜想是否能推出两平方和之间连续整数最大间隙的界？
• RQ5 与蜂窝格点等刚性构型相比，$ \widehat{\mathcal{E}}(n) $ 的空间统计表现如何？

主要发现

• 在广义黎曼猜想下，$ \widehat{\mathcal{E}}(n) $ 的Riesz $ s $-能量满足 $ E_s(\widehat{\mathcal{E}}(n)) = I(s)N^2 + O(N^{2-\delta}) $，其中 $ \delta > 0 $，表明其具有渐近最优性。
• 对于 $ N_n^{-1+\epsilon} \leq r \leq 2 $，Ripley函数满足 $ K_r(\widehat{\mathcal{E}}(n)) \ll_\epsilon N^2 r^2 $，表明接近点对的数量最多比随机情况高出一个常数因子。
• 在猜想1.6下，$ \widehat{\mathcal{E}}(n) $ 的覆盖半径有界于 $ \ll N_n^{-1/4} $，意味着点分布相对均匀。
• 猜想1.8关于覆盖半径表明，在温和的筛法假设下，区间 $ [Y, 2Y) $ 内连续两平方和之间的最大间隙 $ G(Y) $ 满足 $ G(Y) \ll Y^\epsilon $，对所有 $ \epsilon > 0 $ 成立。
• 半径为 $ \rho $ 的球帽中点数的方差满足 $ V(n; \rho_1, \rho_2) \ll_{\epsilon} N_n^{1+\epsilon'} $，支持了点数波动具有类似随机行为的猜想。
• 当最近邻距离分布按 $ N_n^{-1/2} $ 缩放后，其行为与随机情况一致，前提是Ripley函数的行为符合猜想。