Mean field singular stochastic PDEs

1. Problématique et Contexte

L'article s'attaque à l'étude de systèmes d'interactions de champs régis par des Équations aux Dérivées Partielles Stochastiques (EDPS) singulières de type champ moyen. Le système considéré est décrit par l'équation suivante pour $n$ champs $u^i_t$ :

$$(\partial_t - \Delta)u^i_t = f(u^i_t, \mu^n_t) \xi^i_t + g(u^i_t, \mu^n_t), \quad 1 \le i \le n$$

où :

• $\xi^i$ sont des distributions aléatoires spatio-temporelles indépendantes et identiquement distribuées (i.i.d.), typiquement du bruit blanc spatial ou des bruits de régularité inférieure à $-1$ (ex: $\alpha - 2$ avec $2/3 < \alpha < 1$).
• $\mu^n_t = \frac{1}{n} \sum_{i=1}^n \delta_{u^i_t}$ est la mesure empirique du système.
• Le terme de diffusion $f$ dépend de la loi du champ (via $\mu^n_t$), ce qui rend l'équation non linéaire en loi (type champ moyen).

Le défi principal réside dans la nature « singulière » de l'équation. En raison de la faible régularité du bruit $\xi$, les solutions $u$ ont une régularité parabolique $\alpha$. Le produit $f(u, \mu) \xi$ n'est pas bien défini au sens classique car la somme des régularités ($\alpha + (\alpha - 2)$) est négative ($2\alpha - 2 < 0$ pour $\alpha < 1$).

De plus, la structure de champ moyen introduit une complexité supplémentaire : le terme $f(u, \mu)$ dépend de la loi de $u$, ce qui nécessite de traiter des produits impliquant des variables aléatoires sur un espace de probabilité produit $\Omega \times \Omega$ (pour gérer l'indépendance entre les champs et la loi limite).

L'objectif est de fournir un cadre robuste pour :

1. Donner un sens mathématique rigoureux à l'équation limite (champ moyen) et au système fini.
2. Prouver l'existence et l'unicité des solutions (bien-posé).
3. Établir un résultat de propagation du chaos : lorsque $n \to \infty$, la loi de tout sous-ensemble fini de champs converge vers la loi de solutions i.i.d. de l'équation limite.

2. Méthodologie

Les auteurs utilisent une approche combinant le calcul paracontrôlé (développé par Gubinelli, Imkeller et Perkowski) et des techniques spécifiques aux équations de champ moyen.

A. Calcul Paracontrôlé et Renormalisation

Pour traiter les produits ill-définis, l'article utilise la structure paracontrôlée. Une fonction $u$ est dite paracontrôlée par un champ de référence $X = -(\partial_t - \Delta)^{-1}\xi$ si elle se décompose en :
$$u \approx u' \prec X + u^\sharp$$
où $\prec$ est le paraproducte, $u'$ est la dérivée de Gubinelli, et $u^\sharp$ est un reste plus régulier.

Cependant, pour les équations de champ moyen, une simple décomposition spatiale ne suffit pas. Les auteurs introduisent une décomposition paracontrôlée spécifique au champ moyen (Section 5.2) :
$$\phi(\omega) \approx (\delta_z \phi)(\omega) \prec X(\omega) + \mathbb{E}[(\delta_\mu \phi)(\omega, \cdot) \prec X(\cdot)] + \phi^\sharp$$
Cette structure capture à la fois la dépendance au bruit $\xi(\omega)$ et la dépendance à la loi (via l'espérance $\mathbb{E}$ sur un espace de probabilité produit).

B. Renforcement du Bruit (Noise Enhancement)

Pour définir les produits singuliers, il faut « renforcer » le bruit.

• Cas additif ($f=1$) : Le renforcement standard $(\xi, \xi \odot X)$ suffit.
• Cas multiplicatif (Champ moyen) : L'interaction pointuelle (ex: $k(x,y) = \delta_x(y)$) nécessite un renforcement de bruit de champ moyen $\hat{\xi}^+$. Ce renforcement inclut non seulement le terme classique $\xi \odot X$, mais aussi un terme croisé $\xi \odot X'$ où $X'$ est une copie indépendante de $X$ définie sur $\Omega \times \Omega$. Cela permet de définir rigoureusement le produit $f(u, \mathbb{L}(u))\xi$.

C. Stratégie de Résolution

La preuve de bien-posé suit une stratégie en deux étapes, typique des équations de champ moyen :

1. Fixation de la loi : On fixe une mesure de probabilité $\mu$ (la loi du champ) et on résout l'équation stochastique linéarisée (où $\mu$ est un paramètre) pour obtenir une solution $u^\mu$.
2. Point fixe : On définit une application $\Psi : \mu \mapsto \mathbb{L}(u^\mu)$ et on cherche un point fixe dans un espace approprié de mesures de probabilité (muni de la métrique de Wasserstein).

3. Contributions Clés et Résultats Principaux

A. Cadre Unifié et Définition des Solutions

Les auteurs construisent un espace fonctionnel adapté (espace de fonctions paracontrôlées de champ moyen) qui permet de donner un sens à l'équation limite :
$$(\partial_t - \Delta)u_t = f(u_t, \mathbb{L}(u_t)) \xi_t + g(u_t, \mathbb{L}(u_t))$$
Ils définissent rigoureusement le produit singulier via le renforcement $\hat{\xi}^+$ et montrent que la solution est la limite en probabilité des solutions d'équations régularisées et renormalisées (avec des termes de contre-termes $C_\epsilon$ qui divergent).

B. Théorèmes de Bien-Posé (Existence et Unicité)

• Cas Additif (Section 2) : Pour $f=1$, ils prouvent un résultat de bien-posé global en temps et de propagation du chaos pour des bruits très généraux, sans outils de calcul paracontrôlé complexes.
• Cas Multiplicatif avec Interaction Régulière (Section 4) : Si le noyau d'interaction $k(x,y)$ est régulier ($C^2$), les outils classiques du calcul paracontrôlé suffisent pour prouver l'existence locale en temps.
• Cas Multiplicatif avec Interaction Ponctuelle (Section 5) : C'est le résultat central. Pour un noyau de Dirac ($k(x,y)=\delta_x(y)$), ils prouvent l'existence et l'unicité d'une solution locale en temps dans l'espace de fonctions paracontrôlées de champ moyen. Ils établissent également des estimations a priori globales (non-explosion) en s'inspirant des travaux de Shen, Zhu & Zhu.

C. Propagation du Chaos (Section 6)

Le résultat principal (Théorème 24) établit que pour le système fini de $n$ champs :
$$\text{La loi de } (u^{1,n}, \dots, u^{k,n}) \xrightarrow[n \to \infty]{\text{faible}} \mathbb{L}(u)^{\otimes k}$$
où $u$ est la solution unique de l'équation limite (1.3).
La preuve repose sur la continuité lipschitzienne de la solution par rapport au bruit renforcé et à la mesure initiale, combinée à la loi des grands nombres pour la convergence de la mesure empirique initiale vers la loi limite.

4. Signification et Impact

• Extension au-delà du calcul stochastique classique : L'article démontre que les méthodes de régularité (Regularity Structures) et de calcul paracontrôlé peuvent être étendues aux systèmes d'interactions de champ moyen, au-delà des cas de bruit additif ou de coefficients constants.
• Nouvelle structure de régularité : L'introduction de la notion de « paracontrôlé par rapport à la loi » (via l'espérance sur l'espace produit) est une innovation méthodologique majeure pour traiter les termes non-linéaires en loi dans un contexte singulier.
• Applications potentielles : Ces résultats ouvrent la voie à l'étude rigoureuse de modèles de physique statistique (comme le modèle sigma linéaire en théorie quantique des champs) et de modèles de fluides stochastiques ou climatiques simplifiés où les interactions sont singulières et dépendent de la distribution globale du système.
• Robustesse : Le cadre proposé est robuste et s'applique à une large classe de bruits gaussiens, dépassant la classe des semi-martingales.

En résumé, ce travail fournit les fondations analytiques nécessaires pour étudier rigoureusement des systèmes de particules en interaction forte (singularité du bruit) et en interaction moyenne (dépendance à la loi), unissant deux domaines complexes de la théorie des probabilités et des EDP.