Approximations of dispersive PDEs in the presence of low-regularity randomness

Resumen Técnico: Aproximaciones de EDPs Dispersivas en Presencia de Aleatoriedad de Baja Regularidad

Planteamiento del Problema
El artículo aborda la aproximación numérica de la esperanza del módulo al cuadrado del $k$-ésimo coeficiente de Fourier de la solución de ecuaciones diferenciales parciales (EDP) dispersivas no lineales con datos iniciales aleatorios. Específamente, los autores consideran ecuaciones de la forma:
$$i\partial_t u(t, x) + L(\nabla)u(t, x) = |\nabla|^\alpha p(u(t, x), \bar{u}(t, x))$$
con datos iniciales aleatorios $u(0, x) = v_\eta(x)$, donde la aleatoriedad se modela mediante una familia de variables gaussianas complejas estándar. La cantidad objetivo es $E(|u_k(t, v_\eta)|^2)$, la cual juega un papel central en el estudio de la turbulencia de ondas y la derivación de la ecuación cinética de ondas (WKE).

Los enfoques numéricos clásicos para tales problemas típicamente discretizan la EDP misma y luego computan la esperanza, o discretizan la solución $u$ y posteriormente evalúan $E(|u|^2)$. Estos métodos suelen requerir supuestos de alta regularidad sobre los datos iniciales para lograr tasas de convergencia óptimas, ya que los límites de error local dependen de derivadas de alto orden de la solución. Los autores señalan que se han desarrollado integradores de baja regularidad (por ejemplo, esquemas basados en resonancia) para EDPs deterministas, pero no se han adaptado plenamente a la estructura específica de la esperanza del segundo momento en presencia de aleatoriedad.

Metodología
Los autores proponen una nueva clase de esquemas numéricos que discretizan la esperanza directamente, en lugar de la EDP o la trayectoria de la solución. Este enfoque aprovecha la estructura algebraica del problema para explotar las cancelaciones de resonancia y ganar regularidad en el nivel discreto.

1. Marco Combinatorio (Bosques Decorados Emparejados):
   La innovación central es la introducción de una nueva estructura combinatoria llamada bosques decorados emparejados. Mientras que trabajos previos sobre integradores de baja regularidad (específicamente [13]) utilizaron árboles decorados para representar integrales iteradas de la solución, este trabajo representa el segundo momento $E(|u|^2)$ como un producto de dos tales árboles.

   • Las hojas de estos árboles corresponden a las frecuencias de los datos iniciales aleatorios.
   • El emparejamiento de las hojas entre los dos árboles está dictado por el teorema de Wick aplicado a las variables aleatorias gaussianas.
   • Esta estructura, denotada como $F = T_1 \cdot T_2$, codifica los emparejamientos específicos de frecuencias que surgen al computar la esperanza del producto de integrales iteradas.

2. Discretización Basada en Resonancia:
   El esquema se basa en una discretización basada en la resonancia de las integrales oscilatorias iteradas que aparecen en la expansión de árboles.

   • Los autores definen un carácter $\Pi$ que mapea bosques decorados a integrales oscilatorias.
   • Introducen un operador de aproximación $\Pi_{n,r}$ (donde $n$ es la regularidad asumida de los datos iniciales y $r$ es el orden del esquema) que realiza una expansión de Taylor sobre las partes de "menor orden" de la resonancia mientras integra las partes "dominantes" de forma exacta.
   • Crucialmente, debido a que el cálculo involucra el producto de dos coeficientes de Fourier (por ejemplo, $v_k \bar{v}_k$), los requisitos de regularidad se distribuyen. Los autores argumentan que términos como $k^2 |v_k|^2$ pueden interpretarse como convoluciones ($\nabla v * \nabla \tilde{v}$), las cuales requieren menos derivadas que los términos de error clásicos que involucran $k^2 v_k$.

3. Análisis de Error Recursivo:
   El artículo proporciona una definición recursiva rigurosa para el término de error local $L^r_{low}(F, n)$. Esta definición tiene en cuenta la estructura de emparejamiento específica de los bosques, la cual difiere del caso de un solo árbol en [13] porque las frecuencias en las hojas de $T_1$ y $T_2$ no son necesariamente disjuntas. Se muestra que el límite de error es de la forma $O(\tau^{r+2} L^r_{low})$, donde $L^r_{low}$ involucra solo derivadas de menor orden comparado con los métodos clásicos.

Contribuciones Clave

• Nueva Estructura Combinatoria: La introducción de "bosques decorados emparejados" para manejar sistemáticamente las contracciones de Wick necesarias para computar el segundo momento de soluciones de EDPs dispersivas con datos iniciales aleatorios.
• Discretización Directa de la Esperanza: Un marco que discretiza la esperanza $E(|u_k|^2)$ directamente. Esto permite que el esquema explote la estructura de resonancia mejorada y la ganancia de regularidad inherente al cálculo del segundo momento, las cuales se pierden si se discretiza la solución primero.
• Esquemas de Baja Regularidad: La derivación de esquemas numéricos de baja regularidad generales para el segundo momento que requieren significativamente menos regularidad en los datos iniciales que los métodos de división (splitting) clásicos o los integradores exponenciales.
• Técnicas de Estabilización: La propuesta de funciones de filtro (por ejemplo, filtros basados en sinc) para estabilizar los esquemas de mayor orden, los cuales involucran derivadas espaciales, sin imponer condiciones CFL restrictivas.

Resultados
Los autores aplican su marco general a dos ejemplos fundamentales:

1. Ecuación de Schrödinger No Lineal (NLS):

   • Construyen esquemas de primer y segundo orden para el segundo momento.
   • El esquema de primer orden requiere solo una derivada espacial en los datos iniciales (comparado con dos para los métodos clásicos).
   • El esquema de segundo orden se deriva explícitamente tanto en el espacio de Fourier como en el espacio físico, involucrando términos como $\nabla u * \nabla \tilde{u}$.
   • El análisis de error local confirma la ganancia teórica en regularidad, mostrando errores de orden $O(\tau^2 |\nabla| v)$ y $O(\tau^3 |\nabla|^2 v)$ respectivamente.

2. Ecuación de Korteweg–de Vries (KdV):

   • Se derivan esquemas similares de primer y segundo orden.
   • El análisis destaca cómo la estructura de resonancia específica de KdV conduce a cancelaciones que simplifican la discretización.
   • Se introducen filtros de estabilización para manejar las derivadas espaciales en el esquema de segundo orden.

Significancia y Pretensiones
El artículo sostiene que, al cambiar el enfoque de discretizar la EDP a discretizar la esperanza, se puede "explotar fuertemente la estructura de resonancia óptima y la ganancia subyacente de regularidad en el nivel finito (discreto)".

Los autores enfatizan que su enfoque es distinto de los métodos clásicos porque no discretiza la EDP en sí. En su lugar, aproxima la esperanza utilizando las propiedades combinatorias específicas de las variables aleatorias gaussianas (teorema de Wick). Esto permite la construcción de esquemas que son robustos para datos iniciales rugosos (baja regularidad), un régimen donde los métodos clásicos suelen fallar o requieren supuestos de regularidad excesivos.

El trabajo se presenta como una generalización de la discretización basada en la resonancia introducida en [13] al entorno estocástico de datos iniciales aleatorios. Los autores señalan que, aunque los límites de error derivados son formales, pueden hacerse rigurosos utilizando entornos de espacios de Sobolev clásicos o estimaciones de Strichartz discretas, haciendo referencia a trabajos previos ([55, 2, 39, 50]) para tales pruebas rigurosas. El artículo no pretende resolver la derivación de la ecuación cinética de ondas en sí misma, sino que proporciona las herramientas numéricas necesarias para aproximar las cantidades ($E(|u_k|^2)$) que son centrales para tales derivaciones.