Discrete Quantitative Isocapacitary Inequality: Fluctuation Estimates

Titel: Diskrete quantitative isokapazitive Ungleichung: Fluktuationsabschätzungen
Autoren: M. Cicalese, L. Kreutz, I. Mansoor

1. Problemstellung und Motivation

Das klassische isokapazitive Problem in der Variationsrechnung besagt, dass unter allen offenen, beschränkten Mengen $\Omega \subset \mathbb{R}^d$ ($d \ge 3$) mit festem Volumen die Kugel die Newtonsche Kapazität eindeutig minimiert. Diese Starrheit (Rigidität) der Minimierer gilt jedoch im diskreten Setting auf dem Gitter $\mathbb{Z}^d$ nicht. Im diskreten Fall können für eine feste Kardinalität $N$ mehrere nicht-isometrische Mengen existieren, die die diskrete Kapazität minimieren.

Das Ziel dieses Papers ist es, quantitative Fluktuationsabschätzungen für das diskrete isokapazitive Problem auf $\mathbb{Z}^d$ zu etablieren. Konkret soll quantifiziert werden, wie weit sich verschiedene Minimierer (oder fast-Minimierer) voneinander unterscheiden, gemessen durch die Kardinalität ihrer symmetrischen Differenz. Dies ist von Bedeutung für die Analyse probabilistischer Modelle mit langreichweitigen Korrelationen (z. B. zufällige Verflechtungen), wo die Kapazität die energetischen Kosten für das Erzeugen makroskopischer leerer Regionen bestimmt.

2. Methodik

Die Autoren verfolgen einen Ansatz, der eine sorgfältige Extension des diskreten Variationsproblems in den kontinuierlichen Raum mit scharfen quantitativen isokapazitiven Ungleichungen im Kontinuum kombiniert. Die Hauptstrategie lässt sich in folgende Schritte unterteilen:

1. Diskret-zu-Kontinuum-Einbettung:
   Eine diskrete Konfiguration $X \subset \mathbb{Z}^d$ wird in eine kontinuierliche Menge $\zeta(X) \subset \mathbb{R}^d$ eingebettet (mittels Kuhn-Zerlegung und affiner Interpolation der Kapazitätspotentiale). Es wird gezeigt, dass die diskrete Kapazität $cap_N(X)$ bis auf explizite Fehlerterme in $N$ durch die kontinuierliche Kapazität von $\zeta(X)$ approximiert werden kann.

2. Kontrolle der Asymmetrie:
   Die Abweichung der diskreten Menge $X$ von einer diskreten Kugel wird über die Fraenkel-Asymmetrie der eingebetteten kontinuierlichen Menge $\zeta(X)$ kontrolliert. Hierfür werden scharfe quantitative isokapazitive Ungleichungen aus der kontinuierlichen Analysis (veröffentlicht in [10] und [21]) verwendet.

3. Geometrische Struktur der Minimierer:
   Um die Abschätzungen zu schließen, müssen geometrische Eigenschaften der Minimierer bewiesen werden. Dazu werden diskrete Rearrangements (Symmetrisierungen) und Slicing-Techniken eingesetzt. Es wird gezeigt, dass Minimierer eine uniforme Perimeter-Schranke und eine Diameterschranke der Ordnung $N^{1/d}$ erfüllen.

3. Wichtige Beiträge und Definitionen

• Diskrete Kapazität: Für eine endliche Menge $X \subset \mathbb{Z}^d$ mit $|X|=N$ ist die Kapazität definiert als:
  $$cap_N(X) := \inf \left\{ N^{\frac{2-d}{d}} \sum_{|i-j|=1} |u(i)-u(j)|^2 : u: \mathbb{Z}^d \to \mathbb{R}, \text{supp}(u) < \infty, u \ge 1 \text{ auf } X \right\}.$$
  Eine analoge Definition gilt für die relative Kapazität in einer Kugel $B_R$.

• Skalierter Rand (Perimeter): Der diskrete Rand wird definiert als $P(X) = \sum_{i \in X} \#\{j \notin X : |i-j|=1\}$. Der skalierte Perimeter ist $P_N(X) = N^{1-\frac{d}{d}} P(X)$.

• Hauptresultat (Fluktuationsabschätzung):
  Für fast-Minimierer $X$ (d.h. $cap_N(X) \le m_N + \alpha_N$ mit beschränktem $\alpha_N$) gilt die folgende Abschätzung für die Abweichung von einer diskreten Kugel $B_{r_N} \cap \mathbb{Z}^d$:
  $$\inf_{z \in \mathbb{Z}^d} \#(X \Delta (z + B_{r_N} \cap \mathbb{Z}^d)) \le C_d N \left( \alpha_N^{1/2} + N^{-\frac{1}{2d}} P_N(X)^{1/2} \right).$$
  Für exakte Minimierer ($\alpha_N = 0$) und unter der Annahme eines uniform beschränkten skalierten Perimeters folgt:
  $$\#(X \Delta Y) \le C_d N^{1 - \frac{1}{2d}}$$
  für zwei beliebige Minimierer $X$ und $Y$.

4. Schlüsselresultate

1. Exponent der Fluktuation: Die Abschätzung zeigt, dass die Fluktuationsexponenten für das diskrete isokapazitive Problem mit denen des diskreten isoperimetrischen Problems und der diskreten Faber-Krahn-Ungleichung übereinstimmen (Exponent $1 - \frac{1}{2d}$).
2. Uniforme Perimeter- und Diameterschranken: Ein zentrales technisches Ergebnis ist der Beweis (Abschnitt 5), dass Minimierer des diskreten Kapazitätsproblems einen uniform beschränkten skalierten Perimeter $P_N(X) \le C$ und einen Durchmesser der Ordnung $O(N^{1/d})$ besitzen. Dies wird durch die Analyse der Struktur der Kapazitätspotentiale mittels diskreter Rearrangements und der Eigenschaft der "Konvexität in Richtungen" erreicht.
3. Stabilität: Das Ergebnis liefert eine deterministische Kontrolle über die Geometrie und Fluktuationen von fast-optimalen Konfigurationen.

5. Signifikanz und Anwendung

• Theoretische Bedeutung: Das Paper schließt eine Lücke zwischen der kontinuierlichen Theorie (wo Minimierer eindeutig sind) und dem diskreten Fall (wo Nicht-Eindeutigkeit herrscht). Es liefert eine quantitative Stabilitätsanalyse für ein fundamentales Problem der kombinatorischen Analysis.
• Anwendungen: Die Ergebnisse sind relevant für die statistische Mechanik und Wahrscheinlichkeitstheorie, insbesondere für Modelle mit langreichweitigen Wechselwirkungen. Da die Kapazität in Modellen wie "Random Interlacements" die Wahrscheinlichkeit für das Auftreten seltener Ereignisse (z. B. große leere Regionen) steuert, ermöglicht diese Arbeit ein besseres Verständnis der Geometrie solcher "Bottlenecks" und seltener Pfade.
• Methodischer Fortschritt: Die Kombination von $\Gamma$-Konvergenz-Argumenten, diskreten Rearrangements und der Nutzung scharfer kontinuierlicher Ungleichungen stellt einen robusten Rahmen für die Analyse weiterer diskreter Variationsprobleme dar.

Zusammenfassend etablieren die Autoren, dass diskrete Minimierer der Kapazität zwar nicht eindeutig sind, aber dennoch stark um eine diskretisierte Kugel herum "fluktuieren", wobei die Abweichung durch eine spezifische Potenz von $N$ kontrolliert wird.