abc‑삼중항의 근사 이득을 전 범위로 확장하기

초록

**
Müller‑Taktikos가 제시한 서드 기반 근사 이득 개념을 모든 abc‑삼중항에 적용하도록 일반화하고, 실수와 p‑adic 두 메트릭에서 각각 ‘실수 근사 이득’·‘p‑adic 근사 이득’이라는 새로운 지표를 정의한다. 다양한 차수 d에 대한 강화된 라디칼을 도입해 근사 이득과 파워 이득을 분리하고, 기존 기록 삼중항과 무작위 데이터 1.4 × 10⁷개에 대한 실험을 통해 상위 사례와 통계적 경향을 제시한다.

**

상세 분석

**
본 논문은 기존의 abc‑추측과 연계된 ‘근사 이득(approximation gain)’ 개념을 보다 포괄적인 틀로 확장한다. 먼저, 기존 연구가 서드 형태의 무리근(k/√s)에서 얻은 부분분수 전개와 그에 따른 큰 부분몫(e) ≫ q 현상을 이용해 a ≪ b인 경우에만 의미 있는 근사 이득을 정의한 점을 지적한다. 이를 보완하기 위해 저자는 임의의 차수 d ≥ 2에 대해 a, b, c를 각각 β·d·b′, γ·d·c′ 형태로 분해하고, 실수 강화 라디칼 rrad_d(a,b,c)=a^β b′^γ c′^를 정의한다. 이때
 rag_d = log c · log rrad_d, rpg_d = log rrad_d · log rad(abc)
라 두 지표를 도입해 ‘근사 이득’과 ‘파워 이득’을 명확히 구분한다. rag_d는 d가 커질수록 rrad_d가 abc에 수렴하므로 최댓값이 존재하고, rpg_d는 최소값이 존재한다는 점을 증명한다. 특히 rag_d ≤ quality qu(a,b,c) ≤ 3·rpg_d 가 성립함을 보여, 근사 이득이 품질을 하한·상한으로 제어함을 확인한다.

다음으로 p‑adic 세계로 확장한다. a, b, c 중 하나를 p‑adic 의미에서 ‘작다’고 판단하고, 해당 소수 p에 대해 a = p^α·a′ (α ≥ 1) 형태로 분해한다. 이때 다중 p‑adic 강화 라디칼 mrad_{a*,d}=rad(a*)·β·b′·γ·c′ 를 정의하고,
 mag_{a*,d}=log c · log mrad_{a*,d}, mpg_{a*,d}=log mrad_{a*,d}·log rad(abc)
라서 p‑adic 근사 이득 mag와 파워 이득 mpg를 구한다. 여러 소수에 대해 동시에 적용하면 ‘다중 p‑adic 근사 이득’이 정의되며, 이는 a, b, c 중 가장 큰 mag을 최종 근사 이득으로 채택한다. 논문은 이 과정에서 격자 기반의 2‑차원 근사(Λ_n(α))와 연관된 부분분수 알고리즘을 활용해 효율적인 계산 방법을 제시한다.

실험 부분에서는 1 × 10¹⁸ 이하의 abc‑삼중항 14 482 065개와 10¹⁸ ~ 2⁶³ 구간의 9 345 651개를 대상으로 rag와 rpg를 전산 계산하였다. 최고 rag는 Reyssat이 발견한 (2, 3¹⁰·10⁹, 23⁵)에서 1.46283…을 기록했고, 최고 rpg는 (2⁴⁹, 7⁷·19³·123 499, 3¹³·5⁵·503²)에서 2.94376…을 보였다. p‑adic 실험에서는 동일 삼중항에 대해 p = 2, 3, 23, 109를 각각 적용해 mag가 quality와 거의 일치하거나 그 이하임을 확인하였다. 또한 a ≪ b가 아닌 경우에도 p‑adic 근사 이득이 실수 근사 이득보다 현저히 큰 사례를 제시한다(예: a=2¹⁹·13·103, b=7¹¹, c=3¹¹·5³·11²).

마지막으로 저자는 rag와 rpg의 범위(1/3 ≤ rag ≤ qu, 1 ≤ rpg ≤ 3·qu)를 정리하고, 향후 연구 과제로 (i) 차수 d의 최적 선택, (ii) 다중 p‑adic 조합의 이론적 한계, (iii) abc‑추측과 근사 이득 사이의 정밀한 상관관계 분석을 제시한다. 전체적으로 논문은 abc‑삼중항의 품질을 새로운 시각에서 정량화하고, 실수·p‑adic 두 축을 동시에 활용함으로써 기존 연구의 제한을 크게 넓힌다.

**