随机矩阵与 zeta 函数的 moment 估计

Riemann zeta 函数在临界线上的矩估计是解析数论的中心问题之一。随机矩阵理论给出一个非常强的模型：$\zeta(1/2+it)$ 的局部统计像酉矩阵特征多项式在单位圆上的取值。

1. zeta 矩

第 $2k$ 阶矩通常写成

$$M_k(T)=\int_0^T|\zeta(1/2+it)|^{2k}\,dt.$$

猜想主项形如

$$M_k(T)\sim C_k T(\log T)^{k^2}.$$

2. CUE 模型

取 $U\in U(N)$ 为 Haar 随机酉矩阵，考虑特征多项式

$$Z_U(\theta)=\det(I-e^{-i\theta}U).$$

Keating-Snaith 模型把 $N$ 与 $\log T$ 对应，并用 $\mathbb E|Z_U(\theta)|^{2k}$ 预测 zeta 矩中的 $k^2$ 指数。

3. 算术因子

随机矩阵只解释对称性和谱统计部分。zeta 函数还包含 Euler product，因此常数 $C_k$ 应分解成随机矩阵因子和算术 Euler product 因子。

4. 为什么这个模型有效

零点统计、特征多项式矩和 logarithmic correlation 都显示出同一类结构。随机矩阵不是证明本身，但它给出正确主项、正确指数和很多低阶项的预测，是组织 zeta 矩问题的有效语言。