Homogenization for the nonlinear Schrödinger equation with sprinkled nonlinearity

1. Problématique et Contexte

L'article étudie le comportement asymptotique de l'équation de Schrödinger non linéaire (NLS) dans un milieu présentant des défauts aléatoires distribués de manière homogène. Le modèle considéré est :
$$i\partial_t\psi = -\partial_x^2\psi + 2|\psi|^2\psi \, d\mu$$
où $\mu$ est une mesure aléatoire stationnaire à accroissements indépendants d'intensité unitaire (généralement un processus de Poisson homogène). Ce modèle, introduit précédemment dans [27], décrit la propagation d'ondes avec une auto-interaction forte localisée à des points aléatoires ("sprinkled nonlinearity").

L'objectif principal est de prouver un résultat d'homogénéisation : lorsque la distance moyenne entre les défauts devient très petite par rapport à la longueur d'onde (paramètre $\varepsilon_n \to 0$), la solution de l'équation avec non-linéarité aléatoire converge vers la solution de l'équation de Schrödinger cubique standard (NLS) avec une non-linéarité moyenne :
$$i\partial_t\psi = -\partial_x^2\psi + 2|\psi|^2\psi$$
De plus, l'article vise à caractériser les fluctuations de la solution autour de cette limite homogénéisée, en montrant qu'elles suivent une loi gaussienne.

2. Méthodologie

Les auteurs adoptent une approche analytique rigoureuse combinant la théorie des équations aux dérivées partielles stochastiques et l'analyse harmonique.

• Échelle et Rescaling : Ils considèrent une suite de mesures $\mu_n$ définies par une fonctionnelle de Laplace rescalée, telle que la mesure rescalée $E \mapsto \frac{1}{\varepsilon_n}\mu_n(\varepsilon_n E)$ a la même loi que $\mu$. La solution $\psi_n$ de l'équation avec $\mu_n$ est liée à la solution $\psi$ de l'équation originale par un changement d'échelle.
• Espaces de Sobolev pondérés : Pour gérer la singularité de la mesure $\mu_n$, les auteurs utilisent des espaces fonctionnels pondérés $X_n^1$ et $Y_{n,s}^1$. Ces espaces sont définis via des poids $N(k; Z)$ dépendant des moments locaux de la mesure aléatoire. Cela permet de contrôler les termes non linéaires $|\psi|^2\psi d\mu_n$ dans des espaces de distributions négatives ($H^{-s}$).
• Estimations a priori et Moments : Une partie cruciale de la preuve repose sur l'estimation des moments des variables aléatoires associées à la mesure (via la formule moment-cumulant). Ils exploitent la propriété d'accroissements indépendants du processus de Poisson (et de mesures plus générales satisfaisant certaines conditions sur la mesure de Lévy) pour obtenir des bornes uniformes en $n$.
• Décomposition de la solution :
  • Pour l'homogénéisation (Théorème 1.1), ils décomposent la différence $\psi_n - \psi$ en deux termes : un terme non linéaire contrôlé par les estimations standards et un terme linéaire impliquant $(d\mu_n - 1)$, qui est traité comme une perturbation.
  • Pour les fluctuations (Théorème 1.2), ils définissent $\phi_n = \frac{1}{\sqrt{\varepsilon_n}}(\psi_n - \psi)$. Ils montrent formellement que $\phi_n$ converge vers la solution d'une équation linéarisée autour de $\psi$, pilotée par un bruit blanc spatial $\xi$.
• Convergence en loi : La preuve de la convergence des fluctuations utilise le théorème de Prokhorov (pour la compacité étroite) et l'analyse des fonctionnelles caractéristiques pour identifier la limite comme un processus gaussien.

3. Résultats Principaux

L'article établit deux théorèmes majeurs :

Théorème 1.1 (Homogénéisation) :
Pour toute donnée initiale $\psi_0 \in H^1(\mathbb{R})$, la solution $\psi_n$ de l'équation avec non-linéarité "saupoudrée" converge vers la solution $\psi$ de l'équation NLS standard (avec mesure de Lebesgue) dans l'espace $L^p(d\mathbb{P}; C([-T, T]; H^1))$.
Cela signifie que, pour un temps fini et une donnée initiale fixe, la solution moyenne du système désordonné est bien décrite par l'équation homogène, avec une erreur qui tend vers zéro en moyenne.

Théorème 1.2 (Fluctuations) :
Les fluctuations de la solution autour de la limite homogène, définies par $\phi_n = \frac{1}{\sqrt{\varepsilon_n}}(\psi_n - \psi)$, convergent en loi vers un processus stochastique $\phi$ dans l'espace $C([-T, T]; H^{-s})$ pour $s > 1/2$.

• Équation limite : $\phi$ satisfait une équation linéarisée :
  $$i\partial_t\phi = -\partial_x^2\phi + 4|\psi|^2\phi + 2\psi^2\bar{\phi} + 2|\psi|^2\psi \xi$$
  où $\xi$ est un bruit blanc spatial.
• Nature de la limite : $\phi$ est un processus gaussien complexe de moyenne nulle. Les auteurs donnent des formules explicites pour sa covariance et sa pseudo-covariance, bien que ces expressions soient complexes et dépendent de la solution $\psi$.

4. Contributions Clés et Innovations

1. Généralisation des mesures aléatoires : Contrairement aux travaux antérieurs souvent limités aux mesures périodiques ou bornées, ce papier traite des mesures aléatoires stationnaires à accroissements indépendants (incluant les processus de Poisson composés et Gamma). Cela permet de modéliser des défauts qui peuvent se concentrer arbitrairement fort localement, ce qui pose des défis techniques majeurs pour l'homogénéisation.
2. Premier résultat de fluctuations pour la NLS stochastique : L'article fournit une description précise des fluctuations gaussiennes pour une équation de Schrödinger non linéaire avec désordre spatial. C'est un analogue central-limit pour ce type d'équation, comblant un vide dans la littérature qui se concentrait principalement sur les modèles elliptiques ou paraboliques.
3. Techniques d'estimation robustes : La construction des espaces pondérés $Y_{n,s}^1$ et l'utilisation des cumulants pour contrôler les moments de la mesure permettent de surmonter les singularités de la non-linéarité distribuée.
4. Extension aux mesures régularisées : L'Appendice B montre que ces résultats restent valables uniformément pour des mesures lissées (mollifiées), reliant le modèle discret de défauts ponctuels aux modèles continus approchés.

5. Signification et Impact

Ce travail est significatif pour plusieurs raisons :

• Physique Mathématique : Il justifie rigoureusement l'utilisation de modèles continus (NLS standard) pour décrire des systèmes physiques réels où les non-linéarités sont concentrées sur des défauts microscopiques aléatoires (ex: effets Kerr optiques dans des milieux hétérogènes).
• Théorie des EDP Stochastiques : Il ouvre la voie à l'étude des fluctuations dans les équations d'ondes non linéaires avec bruit spatial. La nature spatiale du bruit (par opposition au bruit temporel) simplifie certains aspects (pas de régularité de bruit temporel requise pour l'existence), mais introduit des défis spécifiques liés à la régularité spatiale des solutions.
• Universalité : Les résultats suggèrent que l'équation homogène et la structure des fluctuations sont universelles pour une large classe de désordres, renforçant l'idée que le comportement macroscopique est déterminé par les statistiques moyennes du désordre plutôt que par sa configuration exacte.

En résumé, Harrop-Griffiths et Ntekoume réussissent à établir un cadre mathématique complet pour l'homogénéisation et l'analyse des fluctuations de la NLS avec non-linéarité aléatoire, dépassant les limitations des modèles périodiques ou bornés précédents.