反规范体积的尖锐多项式上界是什么？

从有界性到关于 ε 的增长速率

Birkar 对 Borisov–Alexeev–Borisov 猜想的证明表明：固定维数 n 和固定 ε > 0 时，具有 ε-lc 奇点的 Fano 簇构成有界族，因此它们的反规范体积有界。但这个结论没有说明当 ε 变小时界如何变化。论文要问的是速率：当奇点参数趋于零时，vol(−K_X) 必须以多快的速度增长？

这一区别很重要，因为对每个固定 ε 给出一个界，并不等于说明了界对 ε 的依赖关系。作者还指出，加权射影空间给出了一些例子，其体积随奇点变差而快速增长，这为每个维数下最小可能指数提供了一个候选值。定理把这个候选值变成了与之匹配的上界。

参数属于边界，而不属于簇本身

对 0 < ε ≤ 1，ε-Fano 型的簇是指一个正规射影 Q-Gorenstein 簇 X，存在有效 Q-除子 Δ，使得 (X, Δ) 是 ε-lc 的，且 −(K_X + Δ) 是丰沛的。因此奇点参数附着在一个对数 Fano 边界上，而不只是附着在底层的簇上。主定理的估计因此把 ε-lc Fano 簇和弱 Fano 簇作为特例覆盖在内。

论文说明了为什么需要这种表述。取 m ≥ 3 的 Hirzebruch 曲面 F_m，它光滑，因此是 1-lc 的，并且以边界 Δ_m = (1 − 1/m)S 成为 Fano 型。然而 vol(−K_X) = (m + 2)²/m，该值趋于无穷。仅凭一个簇是 η-lc 的且属于 Fano 型、却没有受控的边界，并不能给出反规范体积的界；起作用的是边界参数。

指数 0、1、4、11、26、57

定理 1.1 指出，对每个正整数 n，存在只依赖 n 的常数 C_n，使得对每个 n 维 ε-Fano 型簇都有 vol(−K_X) ≤ C_n ε^−a_n，其中 a_n = 2^n − n − 1。前几个指数是 a_1 = 0、a_2 = 1、a_3 = 4、a_4 = 11、a_5 = 26、a_6 = 57。在一维情形可以取 C_1 = 2。

指数是尖锐的；首项常数没有被优化。四维情形被单独写成推论 1.2：每个 ε-lc 弱 Fano 四维簇都满足 vol(−K_X) ≤ C_4 ε^−11，而且对 Picard 数为 1 的 Fano 四维簇，十一已经是最优的。作者称这是任意维 ε-lc Fano 簇的第一个具有最优指数的多项式上界，特别是四维情形下的第一个此类上界。

第二个定理控制混合边界

体积界由一个关于插值的独立命题推出。定理 1.3 指出，对每个 n 存在 c_n > 0，具有以下性质：若 X 是 Fano 型的射影 Q-Gorenstein 簇，B, D ≥ 0 是 Q-除子，满足 B ∼_Q D ∼_Q −K_X 且 (X, B) 是 ε-lc 的，则当 0 ≤ t ≤ c_n ε^p_n 时，(X, (1 − t)B + tD) 是 lc 的，其中 p_n = 2^n − 1。对 n ≥ 2，在这个类中指数 p_n 不能被一致地换成更小的指数。

这个定理把一个任意的有效反规范除子与一个奇点受控的指定反规范边界作比较。它控制所有除子赋值，包括在后续模型上收缩出的赋值；作者说，在应用规范丛公式以及在 Mori 纤维空间之间移动时，需要这一点。插值指数 2^n − 1 大于体积指数 2^n − n − 1，论文把两个归纳分开进行，正是为了保住更尖锐的体积指数。

投影、有限态射与有界底空间

证明包含两个维数归纳。第一个归纳建立插值定理。局部输入建立在 Jiao 的投影方法之上：对射影空间上的带符号子对，投影下赋值的损失由有限多个系数理想的商表示，正理想的正规化生成次数被正边界次数的平方所界住，与负次数无关。作者把这一构造搬到几何离散赋值环上，并保留所有竖直固定除子；随后一个曲面计算给出相对维数 r 下阶为 ε^2r 的相对赋值界。

为得到绝对比较，他们在整个维数归纳中保留对限制指数的商，由此得到递推 p_j = 1 + 2p_{j−1}，p_1 = 1，从而 p_j = 2^j − 1。为了把射影空间上的估计用到终端 Fano 簇上，他们使用一个次数有界的有限态射：特征多项式能还原所有赋值扩张中的最大阶，从而还原最小的赋值商，而只用范数只能还原它们的和。固定参数的有界性提供了这些有限态射，因此其中的常数不依赖于变化的 ε。

对体积而言，进一步的归约给出一个极化底空间，其次数与 ε 无关地有界，这里用到 Birkar 关于 Fano 纤维化奇点的定理以及 Mauri–Moraga 的一个提升结果。该底空间上的一个旗以及连通性随后给出与 M_r(ε/4) μ_r(ε/4)^{−(n−r)} 成比例的体积界，其中 M_r 界住纤维体积，μ_r 是插值阈值。最大的指数出现在一维底空间的情形：a_n = a_{n−1} + p_{n−1} = 2^n − n − 1。

加权射影空间达到该指数

尖锐性来自一族良构的加权射影 Fano 簇 X_{n,h}，维数为 n，具有 Q-阶乘奇点和 Picard 数 1。对每个 n ≥ 2 和整数 h ≥ 3，X_{n,h} 是 1/h-lc 的，且当 h → ∞ 时 vol(−K_{X_{n,h}}) ∼ h^{2^n − n − 1}，其中 ∼ 表示比值趋于一。构造取 u_1 = h、u_{j+1} = u_j(1 + u_j)、q_j = 1 + u_j、U = u_{n+1}、L = U/h，并令 X_{n,h} = P(1, a_1, …, a_n)，其中 a_j = L/q_j。

赋值检查覆盖所有赋值，而不只是不变除子：环面配对 (X, (1 − 1/h)S) 的对数赋值函数在每个射线生成元上取正值；又因为对数规范除子的 Cartier 指数整除 h，每个对数赋值都落在 h^{−1}Z 中，因此都至少为 1/h。体积计算用 Hilbert 级数得到 S^n = 1/∏ a_j 以及 ∏ a_j = L^{n−1}，从而 vol(−K_X) = (U/h^{n+1})(1 + (h² − h)/U)^n；归纳给出 u_j ∼ h^{2^{j−1}}，因此 U ∼ h^{2^n}。

同样的例子也说明插值指数是最优的。在 X_{n,h} 上存在有效反规范 Q-除子 B_h、D_h，使得 (X_{n,h}, B_h) 是 1/h-lc 的，并且 (X_{n,h}, (1 − t)B_h + tD_h) 为 lc 蕴含 t ≤ h/u_{n+1}，而 h/u_{n+1} ∼ h^{−(2^n − 1)}。

额外的纤维结构把指数降到七

当纤维体积已经与奇点参数无关地有界时，有界底空间上的估计也会改进。推论 9.2 指出，对 n ≥ 2，若 (X, Δ) 是 η-lc 对数 Fano n 维簇，并且存在到一条光滑曲线的收缩、其一般纤维是终端 Fano 的，则对某个只依赖 n 的 E_n 有 vol(−K_X) ≤ E_n η^{−(2^{n−1} − 1)}。在这一附加假设下，四维簇的指数是七，而不是十一。

作者解释了为什么不能直接把这一附加假设加在一般归约的最终态射上：提升后的双有理收缩未必保持终端性，复合底空间上的收缩也未必保持所得一般纤维的 Fano 条件。这就是为什么一般论证仍然使用变参数体积归纳。

论文还明确给出两点限制。主界中的最优数值常数仍未解决：公式 (9.5) 的首项系数为一，而上界论证在投影、有限转移和底变换中损失了可观的常数；要得到 C_4 的数值，还需要归约中所用有界极化的有效版本。另外，定理 4.3 对水平次数有界的相对赋值估计给出指数 2r，作者并不声称它在每个相对维数下都是最优的。

结果是这个指数，而不是常数

论文最关键的比较，是两个读者容易混淆的指数之间的比较。插值定理控制边界可以向任意有效反规范除子混合多远，指数为 2^n − 1。体积定理控制 vol(−K_X) 本身的增长，指数为 2^n − n − 1。后者更小，而证明结构正是为了保持这一点：两个归纳被分开，体积一步加的是 a_{n−1} + p_{n−1}，而不是直接复用插值指数。

对四维簇，实际读法很具体。一般定理对 ε-lc 弱 Fano 四维簇给出 ε^−11，而环面加权射影空间的例子表明，即使在 Picard 数为 1 的条件下，十一也不能再降低。如果一个四维簇还收缩到一条光滑曲线、且一般纤维是终端 Fano 的，指数就降到七。相比之下，常数 C_4 被留作依赖维数的量，没有给出数值，因此这个结果应被读作关于 ε 的尖锐速率的陈述，而不是关于某个显式阈值大小的陈述。

本文引用的文献