MétaCan
Menu
Retour à la cohorte
Enregistrement W4294384736 · doi:10.1007/s11139-022-00623-y

Additive functions in short intervals, gaps and a conjecture of Erdős

2022· article· en· W4294384736 sur OpenAlexafffund
Alexander P. Mangerel

Notice bibliographique

RevueThe Ramanujan Journal · 2022
Typearticle
Langueen
DomaineMathematics
ThématiqueAnalytic Number Theory Research
Établissements canadiensUniversité de Montréal
Organismes subventionnairesCentre de Recherches Mathématiques
Mots-clésAlgorithmMultiplicative functionComputer scienceMathematicsMathematical analysis

Résumé

récupéré en direct d'OpenAlex

Abstract With the aim of treating the local behaviour of additive functions, we develop analogues of the Matomäki–Radziwiłł theorem that allow us to approximate the average of a general additive function over a typical short interval in terms of a corresponding long average. As part of this treatment, we use a variant of the Matomäki–Radziwiłł theorem for divisor-bounded multiplicative functions recently proven in Mangerel (Divisor-bounded multiplicative functions in short intervals. arXiv: 2108.11401 ). We consider two sets of applications of these methods. Our first application shows that for an additive function $${\varvec{g:}} \mathbb {N} \rightarrow \mathbb {C}$$ g : N → C any non-trivial savings in the size of the average gap $$|{\varvec{g}}{} {\textbf {(}}{\varvec{n}}{} {\textbf {)}}-{\varvec{g}}{} {\textbf {(}}{\varvec{n}}-{\textbf {1}}{} {\textbf {)}} |$$ | g ( n ) - g ( n - 1 ) | implies that $${\varvec{g}}$$ g must have a small first centred moment i.e. the discrepancy of $${\varvec{g}}{} {\textbf {(}}{\varvec{n}}{} {\textbf {)}}$$ g ( n ) from its mean is small on average. We also obtain a variant of such a result for the second moment of the gaps. This complements results of Elliott and of Hildebrand. As a second application, we make partial progress on an old question of Erdős relating to characterizing constant multiples of $${{\textbf {log}}} \,{\varvec{n}}$$ log n as the only almost everywhere increasing additive functions. We show that if an additive function is almost everywhere non-decreasing then it is almost everywhere well approximated by a constant times a logarithm. We also show that if the set $$\{{\varvec{n}} \in \mathbb {N} : {\varvec{g}}{} {\textbf {(}}{\varvec{n}}{} {\textbf {)}} < {\varvec{g}}{} {\textbf {(}}{\varvec{n}}-{\textbf {1}}{} {\textbf {)}}\}$$ { n ∈ N : g ( n ) < g ( n - 1 ) } is sufficiently sparse, and if $${\varvec{g}}$$ g is not extremely large too often on the primes (in a precise sense), then $${\varvec{g}}$$ g is identically equal to a constant times a logarithm.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,010
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0020,005
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,049
Tête enseignante GPT0,338
Écart entre enseignants0,289 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe Ramanujan JournalMême sujetAnalytic Number Theory ResearchTravaux en français237 207