黎曼想象突破作者首次公开讲解,陶哲轩送上总结

满满一黑板的「天书」,会是「想象界皇冠」破解的开始吗?昨天,有关试证黎曼想象的新钻研又一次引爆了数学圈。MIT 数学教授 Larry Guth 和牛津大学数学钻研所教授、2022 菲尔兹奖得主 James Maynard 撰写论文《New large value estimates for Dirichlet polynomials》,首次对数学家 Albert Ingham 在 1940 年左右关于黎曼 ζ 函数零点(以及更广泛地控制各种 Dirichlet 级数的大值)的经典界线做出了实质性革新。论文地址: G

满满一黑板的「天书」,会是「想象界皇冠」破解的开始吗?

昨天,有关试证黎曼想象的新钻研又一次引爆了数学圈。

MIT 数学教授 Larry Guth 和牛津大学数学钻研所教授、2022 菲尔兹奖得主 James Maynard 撰写论文《New large value estimates for Dirichlet polynomials》,首次对数学家 Albert Ingham 在 1940 年左右关于黎曼 ζ 函数零点(以及更广泛地控制各种 Dirichlet 级数的大值)的经典界线做出了实质性革新。

黎曼想象突破作者首次公开讲解,陶哲轩送上总结

论文地址:https://arxiv.org/pdf/2405.20552

对于 Guth 和 Maynard 的新突破,知名华裔数学家陶哲轩评价道:「他们在钻研黎曼想象方面取得了重要进展,尽管离解决这一历史悠久的数学课题还有很长的路要走 。」

今天,两位论文作者 Larry Guth 和 James Maynard 分别做了主题为《狄利克雷多项式大值的新界线,第一部分》以及《狄利克雷多项式大值的新界线,第二部分》的讲座。

狄利克雷多项式界线在与素数分布相关的几个课题中发挥重要作用,它们可以用来限制黎曼 zeta 函数在垂直条带中的零点数量,这与短间隔内的素数分布有关。狄利克雷多项式可以表示为:

黎曼想象突破作者首次公开讲解,陶哲轩送上总结

主要课题在于 D (t) 超水平集的大小。作者进行归一化,使得系数范数最多为 1,然后钻研超水平集 | D (t)| > N^\sigma,其中 sigma 指数介于 1/2 和 1 之间。

其中对于较大的 sigma 值,数学家 Montgomery 证实了该超水平集具有非常强的界线。但对于 sigma \le 3/4,最知名的界线来自非常简单的正交性论证(而且这些界线似乎并不尖锐)。作者将已知的 sigma 界线革新到接近 3/4,相关工作正在进行中。

James Maynard 讲座先容

黎曼想象突破作者首次公开讲解,陶哲轩送上总结

讲座一开始,James Maynard 引用了 Freeman Dyson 的著名比喻,将数学家分为鸟和田鸡。鸟喜欢从高处俯瞰全局,思考宏观的数学结构;田鸡则喜欢深入具体的细节,解决具体的课题。Maynard 自认是一只田鸡,更注重细节课题的解决。

在报告中,Maynard 主要先容了他和 Larry 共同钻研成果,特别是关于 Dirichlet 多项式的大值课题。这些钻研在解析数论中具有重要意义。

Maynard 希望通过这次报告,更好的展现他们的钻研结果、这些结果如何融入解析数论的整体背景,以及一些关键的证实思路。

为了将晦涩难懂的数学课题解释的更加清楚,Maynard 采用板书的形式进行讲解,并写下了满屏的推导公式:

黎曼想象突破作者首次公开讲解,陶哲轩送上总结

整场报告长达 1 小时 12 分,内容输出非常密集。著名数学家陶哲轩简单明了的概括了这次钻研的新进展, 解释了从黎曼想象到当前最新进展的逻辑推导链条,展现了每个假设和预计之间的关系及其在解析数论中的重要性。 

黎曼想象突破作者首次公开讲解,陶哲轩送上总结

James Maynard 完整视频参见如下:黎曼想象突破作者首次公开讲解,陶哲轩送上总结

Larry Guth 讲座先容

Larry Guth 表示, James Maynard 的第一部分讲座先容了狄利克雷多项式的课题、工作以及关键思想。他此次讲座将进一步剖析证实过程,包括解释课题的背景、证实的细节。

他首先描述了课题的配置,即分析狄利克雷多项式大值的新界线,狄利克雷多项式范数在特定集合上的大小,并议论了已有的简单预计方法(如均值定理)及它们的局限性。

然后他先容了自己工作提出的新定理,提出在某些参数范围内对原有预计进行了革新。此外他还展现了近似反例的存在,证实了简单预计方法的局限性,并议论了特定情况下可能存在的精确转变点。

接下来,他议论了在处理狄利克雷多项式课题时所使用的工具,并指出这些工具无法区分近似反例和原始课题的设定。他对比了两种不同的频率配置,探讨了每个配置的特点。通过分析低能量和高能量两种情况,他展现了如何使用矩阵的奇异值和牛津大学著名数学家 Heath-Brown 的工作来获得更好的预计结果。

其中在低能量情况下,他强调了傅里叶变换的使用和能量的定义;在高能量情况下,他则利用加法结构来革新预计。最后,他总结了这些方法的有效性。

Larry Guth 完整视频参见如下:黎曼想象突破作者首次公开讲解,陶哲轩送上总结

辅助工具:ChatGPT

参考链接:

https://www.ias.edu/video/new-bounds-large-values-dirichlet-polynomials-part-1

给TA打赏
共{{data.count}}人
人已打赏
AI

微软推出首个基于 AI 的气候预报系统 Aurora,还能展望空气污染水平

2024-6-6 18:54:12

AI

挑战英伟达 AMD,背靠高通和富士康的初创公司耐能发布笔记本 NPU 新品

2024-6-6 23:35:57

0 条回复 A文章作者 M管理员
    暂无讨论,说说你的看法吧
个人中心
今日签到
搜索