ABC予想を読み解く「整合点原理」：数論的構造の幾何学

kanna qed
12月14日
読了時間: 4分

本稿では、ABC予想をはじめとする乗法的数論不等式を理解するための統一的な枠組みとして「整合点原理（Coherence-Point Principle）」を提案します。

期待値（Expected Value）、典型的値（Typical Value）、そして算術的重み（Arithmetic Weight）。これら3つの異なる数論的レンズが、ある一点において同期するとき、そこには**整合点（Coherence Point）**が生じます。この視座に立つとき、一見複雑な不等式の成立は、ある種の「統計的必然」として浮かび上がってきます。

この「整合点原理」は、GhostDrift理論における「コヒーレンスの原理」の数論的モデルであり、異なる位相の同期が強力な構造的拘束（不等式）を生み出すメカニズムを記述するものです。

1. ABC予想の数式モデル化：整合テンプレートと定義

乗法的数論不等式を構造化するために、以下の「整合テンプレート」を導入します。

整数 $n$ に依存するある量 $\mathrm{Total}(n)$ が、主要項 $\mathrm{MainMass}(n)$ と過剰項 $\mathrm{ExcessMass}(n)$ に分解され、以下の構造を持つと考えます。

$$\mathrm{Total}(n) = \mathrm{MainMass}(n) + \mathrm{ExcessMass}(n)$$

ABC予想の文脈での例：

全体量: $\mathrm{Total}(n) = \log n$
主要項: $\mathrm{MainMass}(n) = R(n) = \log \mathrm{rad}(n)$
過剰項: $\mathrm{ExcessMass}(n) = \delta(n) = \sum_{p|n} (\nu_p(n)-1)_+ \log p$

ここで、過剰項 $\delta(n)$ は、素因数の指数が2以上の部分（squarefull part）から生じる「過剰な重み」を表しています。

この分解において、主要項と過剰項のバランスが統計的に「整合」している状態を、次のように定義します。

定義：整合点 (Coherence Point)

パラメータ $X$ に対し、$X$ に関する増加関数 $f(X)$ （ABC予想では $f(X) = \log \log X$ が自然）および定数 $c, \varepsilon > 0$ を定めます。整数 $n \le X$ が以下の2条件を同時に満たすとき、その $n$ を整合点と呼びます。

過剰項の抑制:
$$\mathrm{ExcessMass}(n) \le \frac{\varepsilon}{2} \cdot f(X)$$
主要項の優位性:
$$\mathrm{MainMass}(n) \ge c \cdot f(X)$$

2. 整合点原理 (The Coherence-Point Principle)

以上の設定の下で、以下の一般原理が成立します。これは数論的現象を「整合性」の観点から抽象化したものです。

【原理の主張】 $\mathrm{ExcessMass}$ と $\mathrm{MainMass}$ が以下の2つの条件を満たすと仮定します。

ExcessMass軸（期待値の一様有界性）: 過剰項の期待値 $\mathbb{E}[\mathrm{ExcessMass}(n)]$ がある定数 $C_0$ で抑えられること。
MainMass軸（密度1の下界）: 主要項 $\mathrm{MainMass}(n)$ が、密度1の集合（ほとんど全ての数）において、ある下界 $c \cdot f(X)$ を持つこと。

このとき、「整合点ではない数」の密度は 0 になります。 すなわち、ほとんど全ての $n$ は整合点であり、そこでは以下の不等式が成立します。

$$\mathrm{Total}(n) \le (1+\varepsilon') \mathrm{MainMass}(n)$$

成立のロジック

なぜこれが成り立つのか、直感的なロジックは以下の通りです。

過剰項について: 平均値（期待値）が小さいならば、マルコフの不等式により、極端に大きな値をとる点は統計的にごくわずか（密度0）しか存在しません。
主要項について: ほとんど全ての点で十分大きな値をとることは、正規順序（Normal Order）の理論から保証されます。
結論: 両方の条件が良い振る舞いをする「整合点」が全体を支配（密度1）するため、不等式もまた、ほとんど全ての場所で必然的に成立するのです。

3. 整合を支える3つの軸

この原理は、独立した3つの数論的現象（軸）の交差によって支えられています。

軸 I : ExcessMassの有限期待値（確率論的軸）

過剰項 $\delta(n)$ は平均的には極めて小さい値をとります。

$$\mathbb{E}[\delta(n)] < \infty$$

これは、squarefull part（平方因子を含む部分）を持つ数が統計的に稀であることを示唆しています。

軸 II : MainMassの典型的な下界（正規順序の軸）

主要項 $R(n)$ は、ほとんど全ての $n$ において十分に大きくなります。Hardy-Ramanujanの定理により、典型的な挙動として

$$R(n) \ge \frac{1}{2} \log \log n$$

が成立します。

軸 III : 算術的持ち上げ（算術的軸）

単一の変数 $c$ に関する整合性が確率 1 で成立するならば、それは加法的な関係 $a+b=c$ を持つ三つ組 $(a,b,c)$ 全体の空間へと「持ち上げ（Lift）」られます。

4. 考察：例外集合としての不整合領域

この原理の視点からは、ABC予想のような数論的予想への「反例」となりうる数は、整合条件が破綻する**「不整合領域（Incoherent Regions）」**にある数として再定義されます。

$$E(X) \subseteq \{ n : \delta(n) \text{ が過剰に大きい} \} \cup \{ n : R(n) \text{ が異常に小さい} \}$$

完全な理論構築への道は、この不整合領域のサイズを単なる「密度0」から、真に例外的なスケール（有限個、あるいは極めてわずか）へと縮小させる問題に帰着されます。

「整合の圏外にある点が、いかに少ないか」。 Ghost Drift理論が示唆するこの幾何学的直観は、数論の深淵においても有効な羅針盤となり得るのです。