Diffuse Interface Energies with Microscopic Heterogeneities I: Homogenization

Résumé Technique : Énergies d'Interface Diffuse avec Hétérogénéités Microscopiques I : Homogénéisation

Énoncé du Problème
Cet article étudie le comportement macroscopique des interfaces diffuses dans les matériaux caractérisés par des hétérogénéités microscopiques. Plus précisément, les auteurs analysent la limite $\Gamma$ des fonctionnelles de type énergie d'Allen-Cahn dans le régime où l'échelle de longueur des hétérogénéités, $\delta$, est beaucoup plus petite que la largeur de l'interface, $\epsilon$ (c'est-à-dire $\delta \ll \epsilon$). La fonctionnelle d'énergie est donnée par :
$$F_{\epsilon,\delta}(u; U) = \int_U \left( \frac{\epsilon}{2} a(\delta^{-1}x)\nabla u \cdot \nabla u + \frac{1}{\epsilon}\theta(\delta^{-1}x)W(u) \right) dx$$
où $a$ est une matrice de champ uniformément elliptique et $\theta$ est une fonction positive, toutes deux modélisées comme des échantillons de champs aléatoires stationnaires et ergodiques. Le potentiel $W$ est un potentiel à double puits avec des minima en $\pm 1$.

La question centrale est de savoir si la limite quand $\epsilon \to 0$ (limite d'interface abrupte) commute avec la limite d'homogénéisation ($\delta \to 0$). Bien qu'il soit connu que si $\delta \sim \epsilon$, la limite est une énergie de surface anisotrope déterminée par les statistiques conjointes de $a$ et $\theta$, le comportement lorsque $\delta \ll \epsilon$ est plus subtil. Les auteurs visent à déterminer les conditions sous lesquelles l'énergie effective est simplement l'énergie de surface homogénéisée (comme si les coefficients étaient remplacés par leurs moyennes) par rapport aux cas où les « événements rares » (configurations locales atypiques) dominent la limite.

Méthodologie
La stratégie de preuve repose sur une réduction aux problèmes de cellule planaires, une technique standard pour la $\Gamma$-convergence des fonctionnelles d'Allen-Cahn. Les auteurs établissent que la $\Gamma$-convergence de la fonctionnelle globale est équivalente à la convergence de l'énergie des minimiseurs dans de grands cubes avec des conditions aux limites planaires vers une tension superficielle $\bar{\sigma}$ spécifique.

Le cœur de l'analyse implique une approche en deux étapes :

1. Estimations Déterministes de l'Erreur Relative : Les auteurs dérivent d'abord des estimations déterministes de l'erreur entre l'énergie hétérogène $F_{\gamma}$ (où $\gamma = \delta/\epsilon$) et l'énergie homogénéisée $F$. Cela est réalisé en décomposant le domaine macroscopique en sous-cubes mésoscopiques de taille fixe $r_c$. Dans chaque sous-cube, ils comparent le minimiseur hétérogène à un minimiseur homogénéisé. Cette comparaison utilise :

   • Correcteurs : Des correcteurs de gradient $\phi$ et des correcteurs de flux $\sigma$ associés à l'opérateur elliptique $-\nabla \cdot (a \nabla)$.
   • Régularité : Les estimations de De Giorgi-Nash-Moser et les estimations de Meyer pour contrôler les normes $L^p$ des gradients et la continuité de Hölder des minimiseurs.
   • Propriété de Nettoyage (Clearing-out Property) : Un lemme garantissant que dans les régimes de faible énergie, les minimiseurs sont proches des phases pures ($\pm 1$), permettant la linéarisation du potentiel $W$.
   • Régularisation : Un potentiel modifié $W_{\text{reg}}$ est utilisé pour assurer une convexité stricte aux petites échelles, facilitant les arguments de convexité.

2. Moyennage Probabiliste : Les bornes d'erreur déterministes dépendent de la « sous-linéarité » des correcteurs et des oscillations de $\theta$ mesurées dans la norme $H^{-1}$. Les auteurs définissent des champs stationnaires $Sub_x(r)$ et $Osc_x(r)$ pour quantifier ces quantités. Ils prouvent que si le rapport $\delta/\epsilon$ décroît suffisamment vite, la probabilité que ces champs dépassent un seuil devient suffisamment faible pour garantir que l'erreur d'homogénéisation est négligeable dans la limite.

Contributions Principales et Résultats

• Théorème Principal (Régime d'Homogénéisation) : Le résultat principal (Théorème 1) établit que si le rapport $\delta(\epsilon)/\epsilon$ décroît suffisamment vite par rapport aux taux de décroissance probabilistes de la sous-linéarité des correcteurs et des oscillations de $\theta$, l'énergie $\Gamma$-converge en probabilité vers l'énergie de surface homogénéisée $\bar{E}$. La tension superficielle effective est donnée par $\bar{\sigma}(\nu)^2 = \sigma_W^2 \bar{\theta} \nu \cdot \bar{a} \nu$, où $\bar{a}$ est la matrice homogénéisée et $\bar{\theta}$ est la valeur attendue de $\theta$.

  • La condition suffisante est exprimée via la décroissance des probabilités :
    $$\lim_{\epsilon \to 0} \epsilon^{-d} P\left\{ Sub_0\left(\frac{\epsilon}{\delta(\epsilon)}\right) > \nu \right\} = 0$$
    et une condition similaire pour $Osc_0$.

• Caractère Strict et Événements Rares : L'article note que si $\delta/\epsilon$ décroît trop lentement, la $\Gamma$-limite peut être strictement plus petite que la prédiction homogénéisée. Ce « régime d'événements rares », où des configurations locales improbables du milieu abaissent l'énergie, est l'objet d'un article compagnon [49]. Le présent travail prouve que les conditions dérivées sont strictes pour le modèle de damier aléatoire en dimension $d=1$.

• Milieux Périodiques et Quasi-Périodiques : Les auteurs prouvent des résultats d'homogénéisation inconditionnels pour les milieux périodiques et uniformément quasi-périodiques (espace de Besicovitch $B_\infty$) (Corollaire 2). Dans ces contextes, la convergence des correcteurs et des oscillations est uniforme dans l'espace, ce qui signifie que l'homogénéisation est vérifiée pour n'importe quelle séquence $\delta(\epsilon)$ telle que $\delta(\epsilon)/\epsilon \to 0$, quel que soit le taux de décroissance.

• Convergence Presque Sûre : Sous des conditions de sommabilité plus fortes sur les probabilités de grands écarts (Corollaire 1), la convergence est élevée de la convergence en probabilité à la convergence presque sûre pour les séquences.

• Outils Techniques : Le papier introduit une métrique $d_\Gamma$ pour la $\Gamma$-convergence en probabilité et utilise des techniques récentes d'homogénéisation stochastique quantitative (spécifiquement les estimations de rayon minimal et de sous-linéarité de Gloria, Neukamm et Otto [38]) pour quantifier les taux de décroissance nécessaires.

Signification
Cet article fournit une caractérisation rigoureuse de l'interaction entre les échelles d'hétérogénéité microscopique et les largeurs d'interface mésoscopiques dans les modèles de transition de phase. Il clarifie que l'homogénéisation n'est pas automatique dans le régime $\delta \ll \epsilon$ ; elle nécessite plutôt que l'échelle d'hétérogénéité soit suffisamment petite par rapport à la largeur de l'interface pour « moyenner » le milieu avant que l'interface ne s'affine.

La signification réside dans :

1. Généralisation des Résultats Précédents : Il étend les résultats connus d'homogénéisation périodique au cadre général stationnaire ergodique sans exiger de conditions de mélange quantitatives, à condition que la séparation d'échelle soit suffisante.
2. Identification du Seuil : Il identifie explicitement le seuil probabiliste (via les champs $Sub$ et $Osc$) qui sépare le régime d'homogénéisation du régime des événements rares.
3. Résultats Inconditionnels pour les Milieux Structurés : Il démontre que pour les milieux périodiques et uniformément quasi-périodiques, le phénomène des « événements rares » ne se produit pas, et l'homogénéisation est robuste quel que soit le taux spécifique de séparation d'échelle (tant que $\delta \ll \epsilon$).

Les auteurs soulignent que leurs résultats sont spécifiques au cas scalaire et reposent sur des techniques (telles que les estimations de De Giorgi-Nash-Moser) qui peuvent ne pas être disponibles dans le cadre vectoriel. Ce travail constitue la première partie d'une série de deux articles, l'article compagnon [49] détaillant les contre-exemples et la mécanique du régime des événements rares.