Let $\mathbf{G}$ be an unramified quasi-split unitary group over a p-adic field of odd residual characteristic. The goal of this paper is to describe the supercuspidal representations within certain L-packets of $\mathbf{G}$, which are classified by Arthur and Mok using the theory of endoscopy. The description is given in terms of the cuspidal types constructed by Bushnell-Kutzko and Stevens. As a starting example, we require the parameters of our packets to satisfy certain regularity conditions, such that these packets consist of very cuspidal representations in the sense of Adler and Reeder. To achieve our goal, we first interpret the question as to study the reducibilities of some parabolically induced representations, using a theory of M{\oe}glin and Shahidi; we then apply a relation, given by Blondel, between these reducibilities and the structures of some Hecke algebras, where the latter can be computed using a Theorem of Lusztig. We can interpret our final result as explicitly describing the local Langlands correspondence for $\mathbf{G}$.


翻译:让 $mathbf{G} 成为未调整的准分裂单一组, 覆盖一个有奇异残余特性的 p- adi 字段。 本文的目的是描述在某些L 容器中的超震波表示, 由Arthur 和 Mok 使用内窥镜学理论进行分类。 描述用布希内尔- 库茨科 和 Stevens 所构造的顶端类型来表示。 首先, 我们要求我们的包的参数, 以满足某些常规性条件, 例如, 这些包由Adler 和 Reeder 意义上的非常结骨表示组成。 为了实现我们的目标, 我们首先将问题解释为研究某些同代代谢性表示的重复性, 使用 Mhue}glin 和 Shahidi 的理论; 我们然后用布伦德尔 给出的 将这些重度与某些 Hecke 代布拉 结构之间的关系来解释。 我们可以使用 Lussetig 的理论来计算后一包的参数 。 我们可以将最终结果解释为用于 Lusztig $_ gland 。

0
下载
关闭预览

相关内容

2019年机器学习框架回顾
专知会员服务
35+阅读 · 2019年10月11日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
计算机 | 入门级EI会议ICVRIS 2019诚邀稿件
Call4Papers
10+阅读 · 2019年6月24日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
无监督元学习表示学习
CreateAMind
27+阅读 · 2019年1月4日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
【推荐】决策树/随机森林深入解析
机器学习研究会
5+阅读 · 2017年9月21日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Knowledge Distillation from Internal Representations
Arxiv
4+阅读 · 2019年10月8日
Deep Randomized Ensembles for Metric Learning
Arxiv
5+阅读 · 2018年9月4日
VIP会员
相关资讯
计算机 | 入门级EI会议ICVRIS 2019诚邀稿件
Call4Papers
10+阅读 · 2019年6月24日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
无监督元学习表示学习
CreateAMind
27+阅读 · 2019年1月4日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
【推荐】决策树/随机森林深入解析
机器学习研究会
5+阅读 · 2017年9月21日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Top
微信扫码咨询专知VIP会员