A PDE approach to Benamou--Brenier formula for the Schrödinger problem

Aquí se presenta un resumen técnico detallado del artículo "Un enfoque de EDP para la fórmula de Benamou–Brenier en el problema de Schrödinger" de Garatti, Nenna, Rota Nodari y Tamanini.

1. Planteamiento del Problema y Motivación

El Problema de Schrödinger:
El artículo aborda el problema de Schrödinger, un problema variacional originado en la mecánica estadística. Dados dos medidas de probabilidad $\mu_0, \mu_1$ en $\mathbb{R}^n$ y un parámetro $\varepsilon > 0$ (que representa la temperatura o el ruido), el objetivo es encontrar la evolución más probable de una nube de partículas brownianas que conecte estos dos estados. Matemáticamente, esto se formula como la minimización de la entropía relativa con respecto a una medida de referencia $R_\varepsilon$ (la ley conjunta de un proceso de Wiener reversible):
$$\inf \{ H(\gamma | R_\varepsilon) : \gamma \in \Gamma(\mu_0, \mu_1) \}$$
donde $\Gamma(\mu_0, \mu_1)$ es el conjunto de planes de transporte con marginales $\mu_0$ y $\mu_1$.

La Brecha en la Teoría Existente:
Se sabe que el problema de Schrödinger es una regularización entrópica del problema de Transporte Óptimo (OT) cuadrático. En OT, la fórmula de Benamou–Brenier proporciona una reformulación dinámica, igualando el costo de transporte estático a la energía cinética mínima de un flujo de fluido que satisface la ecuación de continuidad.
Para el problema de Schrödinger, existe una formulación dinámica similar que involucra la ecuación de Fokker–Planck:
$$\partial_t \eta_t - \frac{\varepsilon}{2}\Delta \eta_t + \text{div}(v_t \eta_t) = 0$$
Sin embargo, las demostraciones rigurosas previas de esta fórmula dinámica (específicamente por Gigli y Tamanini, [GT20]) dependían de supuestos de compacidad: se requería que las marginales $\mu_0$ y $\mu_1$ tuvieran soporte acotado.
El Problema: Muchas aplicaciones prácticas (por ejemplo, modelos gaussianos, mezclas de gaussianas, inferencia bayesiana) involucran medidas con soporte no acotado. En estos casos, los potenciales de Schrödinger ($f_\varepsilon, g_\varepsilon$) y sus logaritmos ($\varphi_t^\varepsilon, \psi_t^\varepsilon$) pueden exhibir un crecimiento exponencial en el infinito, lo que invalida los argumentos estándar de integración por partes y la diferenciación bajo el signo integral sin un control cuidadoso.

2. Metodología

Los autores proponen un enfoque basado en EDP para cerrar la brecha entre la teoría abstracta y las aplicaciones no compactas. Su estrategia involucra tres pilares principales:

1. Relajación de los Supuestos sobre las Marginales: En lugar de soporte compacto, asumen que las marginales son de la forma $\mu_i = e^{-V_i} \mathcal{L}^n$, donde $V_i \in C^2(\mathbb{R}^n)$ satisfacen cotas uniformes bilaterales del Hessiano:
   $$C^{-1}|\xi|^2 \leq \xi \cdot D^2 V_i(x) \xi \leq C|\xi|^2$$
   Esta clase incluye medidas gaussianas y distribuciones fuertemente log-cóncavas (colas sub-gaussianas).

2. Estimaciones de Regularidad y Crecimiento:

   • Aprovechan resultados recientes (de [Chi+24] y [Con24]) para establecer que los potenciales de Schrödinger $\psi_t^\varepsilon = \varepsilon \log g_t^\varepsilon$ heredan las cotas del Hessiano de las marginales.
   • Demuestran que $\psi_t^\varepsilon$ crece como máximo cuadráticamente, y que su gradiente $\nabla \psi_t^\varepsilon$ crece como máximo linealmente.
   • Crucialmente, muestran que la interpolación entrópica $\varrho_t^\varepsilon$ (la densidad de la trayectoria) posee momentos gaussianos fuertes que decaen lo suficientemente rápido como para compensar el crecimiento polinomial/exponencial de los potenciales.

3. Análisis Riguroso de EDP:

   • Diferenciación bajo el Integral: Utilizan las cotas de momentos derivadas para justificar la diferenciación de $\int \psi_t^\varepsilon \varrho_t^\varepsilon dx$ con respecto al tiempo.
   • Integración por Partes (Gauss–Green): Construyen funciones de corte específicas y utilizan la desigualdad parabólica de Kato para demostrar que los términos de frontera se anulan en el infinito, permitiendo la aplicación de las fórmulas de Gauss–Green para dominios no acotados.
   • Unicidad mediante Convexidad: Establecen la unicidad del campo de velocidad en la formulación dinámica utilizando la convexidad estricta del funcional de energía cinética y el método de las características.

3. Contribuciones Clave

• Extensión a Medidas Sub-Gaussianas: El artículo extiende la validez de la fórmula de Benamou–Brenier para el problema de Schrödinger desde medidas con soporte compacto hasta una amplia clase de medidas con colas sub-gaussianas (incluyendo gaussianas y mezclas).
• Demostración de EDP Casi Autocontenida: A diferencia de demostraciones previas que dependían de argumentos probabilísticos o compacidad, este trabajo proporciona una demostración rigurosa, casi autocontenida, utilizando únicamente herramientas de EDP (estimaciones del núcleo de calor, cotas del Hessiano y control de momentos).
• Control Explícito del Crecimiento: Los autores proporcionan estimaciones explícitas que muestran que, incluso si los potenciales crecen en el infinito, el decaimiento de la densidad de la interpolación entrópica garantiza la integrabilidad necesaria para que se cumpla la formulación dinámica.
• Resultado de Unicidad: Demuestran que el minimizador de la acción cinética dinámica es único bajo la restricción de Fokker–Planck.

4. Resultados Principales

Teorema 1.1 (Fórmula de Benamou–Brenier Simplificada):
Bajo el supuesto de que $\mu_0, \mu_1$ son medidas sub-gaussianas (definidas por potenciales $C^2$ con Hessianos acotados), para todo $\varepsilon > 0$:
$$\varepsilon \min_{\gamma \in \Gamma(\mu_0, \mu_1)} H(\gamma | R_\varepsilon) = \varepsilon H(\mu_0 | \mathcal{L}^n) + \min \left\{ \int_0^1 \int_{\mathbb{R}^n} \frac{|v_t|^2}{2} \eta_t \, dx dt \right\}$$
donde el mínimo se toma sobre pares $(\eta_t, v_t)$ que satisfacen la ecuación de Fokker–Planck en el sentido de distribuciones:
$$\partial_t \eta_t - \frac{\varepsilon}{2}\Delta \eta_t + \text{div}(v_t \eta_t) = 0, \quad \eta_0 = \mu_0, \quad \eta_1 = \mu_1$$
El minimizador único para la energía cinética viene dado por la trayectoria de interpolación entrópica $(\mu_t^\varepsilon, \nabla \psi_t^\varepsilon)$.

Corolario (Formulación Dual):
El artículo también deriva una formulación dual para el problema de Schrödinger que involucra una desigualdad tipo Hamilton-Jacobi-Bellman:
$$\max \left\{ \int f_1 d\mu_1 - \int f_0 d\mu_0 : \partial_t f + \frac{\varepsilon}{2}\Delta f + \frac{1}{2}|\nabla f|^2 \leq 0 \right\}$$
donde el maximizador es el potencial de Schrödinger $\psi_t^\varepsilon$.

5. Significado e Impacto

• Puente entre Teoría y Práctica: El resultado justifica el uso de formulaciones dinámicas (interpretaciones hidrodinámicas) en escenarios donde los datos son naturalmente no acotados, como en modelos de mezclas gaussianas, modelos de difusión en aprendizaje automático y control estocástico.
• Implicaciones Algorítmicas: El problema de Schrödinger es la base teórica del algoritmo Sinkhorn, una piedra angular del transporte óptimo moderno y del aprendizaje automático. Validar la formulación dinámica para soportes no acotados fortalece la base teórica para aplicar estos algoritmos a conjuntos de datos del mundo real no compactos.
• Rigor Analítico: Al proporcionar una demostración centrada en EDP que maneja dominios no acotados mediante estimaciones de momentos, el artículo ofrece un marco robusto para analizar interpolaciones entrópicas más allá del entorno restrictivo de compacidad, abriendo vías para futuras investigaciones en transporte óptimo no compacto y análisis estocástico.

En resumen, este artículo resuelve una limitación técnica crítica en la teoría del problema de Schrödinger, demostrando que la elegante conexión dinámica entre la minimización de entropía y la energía cinética se mantiene para la amplia clase de distribuciones sub-gaussianas esenciales para las aplicaciones modernas.