Low regularity symplectic schemes for stochastic NLS

Resumen Técnico: Esquemas Simplécticos de Baja Regularidad para la ESN Estocástica

1. Planteamiento del Problema

El artículo aborda el desafío de desarrollar esquemas numéricos para la Ecuación de Schrödinger No Lineal Estocástica (SNLSE) en una dimensión espacial, específicamente en el caso cúbico con ruido blanco en el espacio y tiempo (o ruido coloreado en el espacio). La ecuación modelada es:
$$i\partial_t u + \partial_x^2 u = \lambda|u|^2u + \kappa u \circ \Phi\xi(t, x)$$
donde $\circ$ denota el producto de Stratonovich.

Desafíos principales:

• Baja Regularidad: Los métodos numéricos tradicionales (como los esquemas de diferencias finitas o elementos finitos estándar) requieren que la solución inicial tenga alta regularidad (generalmente $H^s$ con $s$ alto) para garantizar la convergencia. Sin embargo, en presencia de ruido estocástico, la solución puede tener baja regularidad.
• Conservación de Estructuras Geométricas: Los sistemas Hamiltonianos poseen propiedades geométricas intrínsecas, como la conservación de la masa ($L^2$) y la estructura simpléctica (relacionada con la energía). Preservar estas cantidades es crucial para simulaciones a largo plazo, pero es difícil de lograr en regímenes estocásticos y de baja regularidad.
• Convergencia Fuerte vs. Estabilidad: En el contexto estocástico, la convergencia fuerte de esquemas implícitos a menudo requiere condiciones de paso de tiempo tan restrictivas que dependen de la norma de la condición inicial y del ruido, lo que teóricamente impide la estabilidad casi segura para pasos de tiempo fijos.

2. Metodología

Los autores proponen una nueva clase de esquemas de Runge-Kutta basados en resonancia (Resonance-Based Runge-Kutta schemes) adaptados al entorno estocástico. La metodología se basa en los siguientes pilares:

• Aproximación de Resonancia del Núcleo: En lugar de utilizar expansiones de Taylor estándar para el operador de evolución (lo que exigiría más regularidad), el método utiliza una aproximación polinómica del núcleo oscilatorio $K(s; k, k_1, k_2, k_3)$ que aparece en la fórmula de Duhamel. Esta aproximación separa las partes dominantes y de menor orden de las frecuencias, permitiendo integrar exactamente las partes dominantes.
  • Se utiliza la aproximación: $e^{-2iskk_1 + 2isk_2k_3} \approx e^{-2iskk_1} + e^{2isk_2k_3} - 1$.
• Tratamiento de la Integral Estocástica Iterada:
  • Se demuestra que, al utilizar una discretización simétrica (tipo regla del punto medio) para las integrales estocásticas iteradas de segundo orden, estas se cancelan hasta un orden $O(t^2)$. Esto permite ignorar términos de segundo orden en la iteración de Duhamel, simplificando el esquema sin perder precisión en el orden de convergencia local.
  • Se asume ruido de tipo Stratonovich, lo cual es necesario para mantener la estructura simpléctica en la discretización del término no lineal implícito.
• Esquema Implícito de Punto Medio: Como ejemplo principal, derivan una regla del punto medio estocástica basada en resonancia. El esquema es implícito, resolviendo una ecuación fija para el paso de tiempo $n+1$ mediante iteraciones de punto fijo.

3. Contribuciones Clave

1. Derivación de Esquemas Simplécticos Estocásticos: Se presenta una clase general de esquemas de Runge-Kutta que preservan la estructura simpléctica y la masa en el contexto estocástico, bajo hipótesis específicas sobre la simetría de los coeficientes del ruido y los parámetros del esquema.
2. Análisis de Baja Regularidad: El método está diseñado para funcionar con datos iniciales de baja regularidad (por debajo de $H^1$ en ciertos contextos), superando las limitaciones de los métodos tradicionales que fallan cuando la solución es rugosa.
3. Cancelación de Términos Estocásticos: Se identifica y explota la cancelación de la segunda iteración de la integral estocástica en la fórmula de Duhamel cuando se usa una discretización simétrica, lo que reduce la complejidad computacional y mejora la estabilidad local.
4. Análisis de Error Local: Se demuestra que el error local del esquema de punto medio es de orden $O(t^{3/2})$, una mejora significativa respecto a métodos tradicionales en regímenes de baja regularidad.

4. Resultados Principales

• Teorema de Conservación: Bajo las hipótesis de simetría del ruido (coeficientes de Fourier reales y simétricos) y condiciones algebraicas en los coeficientes del esquema de Runge-Kutta, se prueba que el esquema conserva exactamente la masa y la estructura simpléctica (en promedio de los coeficientes de Fourier).
• Convergencia del Punto Fijo y Estabilidad:
  • Se analiza la existencia y unicidad de la solución del esquema implícito mediante el teorema del punto fijo de Banach.
  • Limitación Teórica: Se demuestra que la condición para la convergencia del punto fijo y la estabilidad es aleatoria y restrictiva: el paso de tiempo $t$ debe ser suficientemente pequeño en relación con la norma de la condición inicial y la magnitud del ruido en ese paso específico. Esto implica que, teóricamente, la estabilidad casi segura no puede garantizarse para un paso de tiempo fijo en presencia de ruido.
• Resultados Numéricos:
  • A pesar de la inestabilidad teórica a largo plazo, las simulaciones muestran que el esquema es estable y convergente en la práctica para tiempos de simulación razonables y recursos computacionales finitos.
  • Comparación con Crank-Nicolson: El método basado en resonancia supera al método de Crank-Nicolson (estándar en la literatura) en escenarios de alta resolución espacial (mallas finas) y pasos de tiempo grandes.
    • Crank-Nicolson requiere pasos de tiempo muy pequeños para mantener la estabilidad en mallas finas, lo que lo hace computacionalmente costoso para escalas de tiempo largas.
    • El esquema de resonancia mantiene la convergencia y la conservación de propiedades con pasos de tiempo mucho mayores (ej. $t=10^{-2}$ con 8192 modos de Fourier), permitiendo estudiar fenómenos de dispersión a largo plazo.
  • Convergencia: Se observa una convergencia fuerte de orden 1 y convergencia pathwise de orden 1 (o superior dependiendo de la regularidad), con errores significativamente menores que Crank-Nicolson en regímenes de baja regularidad.

5. Significado e Impacto

Este trabajo es fundamental para la simulación numérica de EDPs estocásticas dispersivas por varias razones:

• Puente entre Teoría y Práctica: Aunque el análisis teórico revela una inestabilidad casi segura a largo plazo debido a la naturaleza aleatoria del ruido, los experimentos numéricos confirman que el método es robusto en la práctica, validando su uso para simulaciones físicas reales.
• Eficiencia Computacional: Al permitir pasos de tiempo más grandes en mallas espaciales finas, el método reduce drásticamente el costo computacional para estudiar fenómenos de escalas de tiempo largas, como la cascada de energía y la ergodicidad en sistemas dispersivos.
• Generalización: La metodología no está limitada a la SNLSE; el enfoque de discretización simpléctica de núcleos oscilatorios puede aplicarse a otras ecuaciones dispersivas como la ecuación de onda, el sistema Manakov o la ecuación KdV.
• Avance en Regularidad: Proporciona una herramienta teórica y práctica para tratar problemas con datos iniciales rugosos, un área donde los métodos clásicos fallan o son ineficientes.

En conclusión, los autores han logrado extender la teoría de esquemas simplécticos de baja regularidad al dominio estocástico, ofreciendo un método superior para simulaciones de alta precisión y largo plazo, a pesar de las limitaciones teóricas inherentes a la estabilidad de esquemas implícitos en entornos ruidosos.