Failure of Fixed-Profile Modified Scattering at the Pure $L^2$ Endpoint for the 1D Defocusing Cubic NLS

Resumen Técnico: Fracaso de la Dispersión Modificada de Perfil Fijo en el Límite Puro de $L^2$ para la NLS Cúbica Desenfocada de 1D

Planteamiento del Problema
El artículo aborda el comportamiento asintótico de las soluciones de la ecuación de Schrödinger no lineal (NLS) cúbica desfocada de una dimensión:
$$i q_t + q_{xx} = 2|q|^2 q, \quad q(0) = q^* \in L^2(\mathbb{R}).$$
Específicamente, investiga la validez del ansatz de dispersión modificada de perfil fijo en el extremo de $L^2$ sin pesos. La conjetura estándar postula que para cualquier dato inicial $q^* \in L^2(\mathbb{R})$, existe un perfil independiente del tiempo $V \in L^2(\mathbb{R})$ tal que la solución $q(t)$ se comporta asintóticamente como:
$$\|\mathcal{F}q(t) - e^{-i(\log t)|V|^2}V\|_{L^2_\xi} \to 0 \quad \text{cuando } t \to +\infty,$$
donde $\mathcal{F}$ denota la transformada de Fourier unitaria. Si bien este comportamiento de dispersión modificada está bien establecido para datos con mayor regularidad o decaimiento espacial (por ejemplo, espacios $L^2$ con pesos, $H^1$ o $H^{1,1}$), el comportamiento en el extremo puro de $L^2$ sigue siendo una cuestión abierta respecto a la existencia de tal perfil fijo.

Metodología
El autor emplea un enfoque de contraejemplo constructivo, utilizando la integrabilidad de la ecuación NLS desfocada mediante la transformada de dispersión inversa (IST). La metodología procede a través de varias etapas técnicas clave:

1. Normalización Espectral y Continuidad: El artículo establece la continuidad del mapa espectral directo de $L^2(\mathbb{R})$ al espacio de funciones de Schur. Reconcilia diferentes convenciones espectrales (Bessonov–Denisov, Deift–Zhou y Bessonov–Gubkin) para definir un coeficiente de transmisión $a(\zeta)$ y un coeficiente de reflexión $r(\zeta)$. Se identifica una ley de conservación crucial: la cantidad $\rho_q(\xi) = \frac{1}{\pi} \log |a_q(-\xi/2 + i0)|$ se conserva en el tiempo y determina el módulo necesario de cualquier posible perfil de dispersión $V$ (es decir, $|V|^2 = \rho_{q^*}$).

2. Análisis de Datos Suaves: Para datos suaves de soporte compacto, la expansión asintótica de Deift–Zhou se convierte en un resultado de convergencia fuerte en $L^2$. Esto establece que para datos regulares, existe un perfil corregido $V_q$, con una fase determinada por un operador logarítmico unidireccional $T$ que actúa sobre la densidad de transmisión.

3. Mecanismo de Interferencia de "Bump" Lejano: El núcleo de la construcción reside en la composición exacta de las matrices de transferencia de Zakharov–Shabat. El autor demuestra que añadir un pequeño "bump" (una perturbación suave de soporte compacto) espacialmente distante $p(x-X)$ a un potencial $q$ induce una interferencia específica en el coeficiente de transmisión.

   • La regla de composición crea un término $e^{iXz}$ en el coeficiente de reflexión.
   • El operador logarítmico unidireccional $T$, que gobierna la fase del perfil asintótico, actúa como un amplificador. Al aplicarse al término oscilatorio $e^{iXz}$, produce un desplazamiento de orden $\log X$.
   • Al elegir la amplitud del bump $\epsilon$ y la ubicación $X$ tales que $\epsilon \log X = \kappa$ (una constante), el autor puede insertar un desplazamiento de fase uniforme en el perfil asintótico manteniendo los normas $L^1$ y $L^2$ de la perturbación arbitrariamente pequeños.

4. Construcción Inductiva de "Gliding-Hump" (Bump Deslizante): El artículo construye un dato inicial específico $q^*$ como una suma infinita de bumps suaves y disjuntos. La construcción es adaptativa (en línea):

   • En cada paso $n$, se elige un tiempo $t_n$ tal que la solución $q_n$ (la suma parcial) esté cerca de su perfil $V_n$.
   • Se añade un nuevo bump en una ubicación $X_{n+1}$ lejana a la derecha. Los parámetros se eligen para asegurar que la distancia $L^2$ entre el nuevo dato y el anterior sea lo suficientemente pequeña como para mantener la continuidad en el tiempo $t_n$, pero lo suficientemente grande como para inducir un salto significativo en el perfil asintótico $V_{n+1}$ respecto a $V_n$.
   • Este proceso genera una secuencia de perfiles $(V_n)$ que no es de Cauchy en $L^2$, a pesar de que la secuencia de datos iniciales converge en $L^2$.

Contribuciones Clave y Resultados
El resultado principal es el Teorema 1.1, que establece:

• Existe un dato inicial real $q^* \in L^1(\mathbb{R}) \cap \bigcap_{k \ge 0} H^k(\mathbb{R})$ (suave e integrable) tal que $x q^* \notin L^2(\mathbb{R})$ (falla el primer momento), para el cual ningún perfil $V \in L^2(\mathbb{R})$ satisface la condición de dispersión modificada de perfil fijo.
• La norma $L^2$ de este contraejemplo puede prescribirse arbitrariamente.
• La construcción se basa en el hecho de que, si bien los datos parciales convergen en $L^1 \cap L^2$, los perfiles asintóticos resultantes no convergen en $L^2$ debido a la acumulación de desplazos de fase amplificados por el operador logarítmico.

El artículo demuestra que la obstrucción es específica del requisito de un único perfil independiente del tiempo. El fracaso surge porque la información de fase necesaria para describir la solución en el infinito puede ser empujada hacia escalas espectrales arbitrariamente finas mediante perturbaciones espacialmente distantes, algo que un perfil fijo no puede capturar.

Significado y Reivindicaciones
El artículo afirma resolver la cuestión de la dispersión modificada de perfil fijo en el extremo puro de $L^2$ demostrando su fracaso.

• Resultado Negativo: Establece que la imagen clásica de la dispersión modificada, donde la solución converge a un perfil fijo $V$ modulado por una fase logarítmica, es falsa para datos generales de $L^2$.
• Alcance de la Obstrucción: La obstrucción es específica de la naturaleza de "perfil fijo" del ansatz. El artículo deja abierta explícitamente la posibilidad de que las renormalizaciones adaptativas o dependientes de la escala aún puedan proporcionar una descripción asintótica válida para soluciones de $L^2$.
• Perspectiva Metodológica: El trabajo destaca la sensibilidad del mapa de dispersión inversa en el extremo de $L^2$, mostrando cómo el fenómeno de "gliding-hump" permite insertar oscilaciones de alta frecuencia en el logaritmo del coeficiente de transmisión con un costo despreciable en las normas del espacio físico.

El autor señala que el contraejemplo fue sugerido inicialmente a través de una interacción con una herramienta de IA, pero la prueba rigurosa y la construcción son originales del presente artículo. El resultado desplaza el enfoque del campo desde la demostración de la convergencia a un perfil fijo hacia la identificación del objeto asintótico correcto, potencialmente más complejo, para soluciones generales de $L^2$ sin pesos.