Stochastic numerical approximation for nonlinear Fokker-Planck equations with singular kernels

Resumen Técnico: Aproximación Numérica Estocástica para Ecuaciones de Fokker-Planck No Lineales con Núcleos Singulares

Planteamiento del Problema
Este artículo aborda la aproximación numérica de las soluciones de ecuaciones diferenciales parciales (EDP) de Fokker-Planck no lineales de la forma:
$$\partial_t u = \Delta u - \nabla \cdot (u K * u)$$
donde el núcleo de interacción $K$ es singular. Tales ecuaciones surgen en diversos contextos físicos y biológicos, incluyendo el modelo de quimiotaxis de Keller-Segel, potenciales de Coulomb en electrostática/gravedad y la ley de Biot-Savart para las ecuaciones de Navier-Stokes 2D.

El desafío principal reside en el término de deriva $K * u$, que involucra un núcleo singular. Los enfoques numéricos estándar, como la aplicación directa del esquema de Euler-Maruyama (EM) a la ecuación diferencial estocástica (SDE) de McKean-Vlasov asociada, enfrentan dos dificultades:

1. Cómputo de la Densidad: El esquema EM requiere evaluar la densidad de la solución en cada paso de tiempo, lo cual no está disponible de forma directa.
2. Singularidad y Bien Poseimiento: A medida que el paso de tiempo $h \to 0$, las singularidades del núcleo de interacción pueden comprometer el bien poseimiento del sistema de partículas resultante.

Para superar esto, el autor considera un sistema de $N$ partículas interactuantes que aproximan la solución mediante una medida empírica. Sin embargo, debido a la deriva singular, el sistema se regulariza utilizando una secuencia de suavizadores (mollifiers) $(V^N)$ y una función de corte suave $F_A$ para acotar la deriva, asegurando la estabilidad numérica y la acotación teórica.

Metodología
El artículo analiza la convergencia del sistema de partículas regularizado y discretizado (Ecuación 1.4/2.2) hacia la solución de la ecuación de Fokker-Planck no lineal. La metodología involucra:

1. Regularización y Discretización:

   • El núcleo singular $K$ se convierte mediante la convolución con un suavizador $V^N$ (parámetro de escala $\alpha$).
   • Se aplica una función de corte $F_A$ a la deriva para asegurar la acotación uniforme, de manera consistente con la cota $L^\infty$ de la deriva real $K * u_t$.
   • El sistema se discretiza utilizando el esquema de Euler-Maruyama con un paso de tiempo $h$.

2. Estrategia de Análisis de Convergencia:
   El análisis descompone el error entre la medida empírica suavizada $\tilde{\mu}^{N,h}_t$ (y la densidad de una sola partícula) y la solución real $u_t$ en varios componentes:

   • Error Inicial: La diferencia entre la medida empírica suavizada inicial y $u_0$.
   • Error de Propagación del Caos: La diferencia entre el sistema de partículas regularizado y la SDE de McKean-Vlasov (no discretizada).
   • Error de Discretización: El error introducido por el esquema EM (discretización temporal).
   • Convolución Estocástica: Un término que surge del ruido en el sistema de partículas.

3. Herramientas Técnicas:

   • Enfoque de Semigrupo: El autor utiliza la formulación débil (mild formulation) de la ecuación de Fokker-Planck involucrando el núcleo de calor $g_2(t, \cdot)$.
   • Fórmula de Itô: Aplicada para expandir las densidades del sistema de partículas y la solución de McKean-Vlasov alrededor del núcleo de calor.
   • Acotaciones de Momentos: El autor establece cotas uniformes en $N$ para la medida empírica suavizada en espacios $L^p$.
   • Lema de Gronwall: Utilizado para manejar las desigualdades integrales que surgen de la descomposición del error.
   • Supuestos de Regularidad: Se asume que el núcleo $K$ satisface condiciones de integrabilidad específicas (Supuesto AK) y una condición de regularidad de tipo Hölder sobre el operador de convolución $K * f$ en términos de la norma $L^1 \cap L^r$.

Contribuciones Clave y Resultados
El artículo deriva tasas de convergencia explícitas para dos objetos en el límite de gran número de partículas ($N \to \infty$) y el límite de paso de tiempo pequeño ($h \to 0$):

1. Convergencia de la Medida Empírica Suavizada (Teorema 2.5):
   El artículo establece que la medida empírica suavizada $\tilde{\mu}^{N,h}_t$ converge a la solución $u_t$ de la ecuación de Fokker-Planck en la norma $L^1 \cap L^r$. La tasa de convergencia viene dada por:
   $$\mathbb{E}\left[ \sup_{s \in [0,t]} \| \tilde{\mu}^{N,h}_s - u_s \|^m_{L^1 \cap L^r} \right]^{1/m} \leq C \left( \mathbb{E}[\| \tilde{\mu}^{N,h}_0 - u_0 \|^m_{L^1 \cap L^r}]^{1/m} + N^{-\rho + \epsilon} + N^{v_2} h^{v_3} \right)$$
   donde los exponentes dependen de las propiedades del núcleo y del parámetro de suavización $\alpha$.

2. Convergencia de la Densidad de Partícula (Teorema 2.6):
   El artículo proporciona una tasa de convergencia puntual para la densidad $u^{i,N,h}_t(x)$ de la $i$-ésima partícula hacia la densidad de McKean-Vlasov $u_t(x)$. La cota incluye un término de peso Gaussiano:
   $$|u^{i,N,h}_t(x) - u_t(x)| \leq C (\dots) \left( \int_{\mathbb{R}^d} g_{c/p}(t, x-z) u_0(dz) \right)^{1/p}$$
   Este resultado cuantifica el error débil para el esquema EM, incluso para funciones de prueba que pueden ser masas de Dirac.

3. Tasas Explícitas para Núcleos Específicos (Sección 4):
   El autor aplica sus resultados generales a casos específicos:

   • Núcleos Bounded Lipschitz: Recuperando tasas de orden $O(N^{-\frac{1}{d+2}} + h^{1/2})$.
   • Potenciales de Riesz y Núcleos de Coulomb: Para $d \geq 2$, la tasa es $O(N^{-\frac{1}{2(d+1)}} + N^{\frac{d}{2(d+1)}} h^{1/2})$.
   • Núcleos de Tipo Krylov-Röckner: Se derivan tasas similares para núcleos que satisfacen $K \in L^p$ con $p > d$.

Significación y Reivindicaciones
El artículo afirma que, según el conocimiento del autor, estos son los primeros resultados que proporcionan tasas de convergencia cuantitativas para el esquema de Euler-Maruyama aplicado a sistemas de partículas interactuantes con núcleos de interacción singulares.

• Manejo de Singularidades: A diferencia de trabajos previos que a menudo requieren la continuidad Lipschitz de la deriva en la métrica de Wasserstein (lo cual falla para núcleos singulares), este trabajo utiliza una estructura de regularidad específica del operador de convolución $K * f$ en espacios $L^1 \cap L^r$.
• Análisis de Discretización: Mientras que la convergencia cuantitativa para el sistema de partículas no discretizado (tiempo continuo) fue establecida recientemente por Olivera et al. [35], este artículo extiende el análisis al esquema EM discretizado, cuantificando explícitamente el compromiso (trade-off) entre el número de partículas $N$ y el paso de tiempo $h$.
• Robustez: Se muestra que el método es robusto para núcleos que no satisfacen la condición estándar de Krylov-Röckner (por ejemplo, núcleos de Keller-Segel altamente singulares donde $\alpha \geq 2$), siempre que satisfagan los supuestos estructurales específicos (AK) introducidos en el artículo.

El autor enfatiza que las tasas derivadas dependen polinómicamente de $N$ y $h$, y el análisis rastrea cuidadosamente la dependencia de la dimensión $d$ y la fuerza de la singularidad del núcleo. El trabajo cierra la brecha entre los resultados teóricos de propagación del caos y la implementación numérica práctica para modelos de interacción singular.