Interpretation of stochastic primitive equations with relaxed hydrostatic assumption as a higher order approximation of 3D stochastic Navier-Stokes

Cet article établit la convergence des solutions d'un système de Navier-Stokes stochastique 3D vers un modèle d'équation primitive stochastique généralisé qui incorpore des hypothèses hydrostatiques relaxées via des termes de martingale, démontrant que ce cadre modifié sert d'approximation d'ordre supérieur bien posée des équations originales sous des mises à l'échelle asymptotiques et des conditions aux limites spécifiques.

L'essentiel

La vue d'ensemble : Prédire l'humeur de l'océan

Imaginez que vous essayiez de prédire la météo ou le mouvement des courants océaniques. L'océan est un système massif et chaotique. Il possède de gigantesques vagues à mouvement lent (comme un tapis roulant géant) et de minuscules ondulations frénétiques (comme un essaim d'abeilles en colère).

Pour simuler cela sur un ordinateur, les scientifiques doivent généralement faire un choix :

1. Le modèle « Parfait » : Essayer de suivre chaque abeille et chaque vague géante. Cela nécessite tellement de puissance de calcul qu'il est impossible de le faire fonctionner sur de longues périodes.
2. Le modèle « Simplifié » : Ignorer les petites abeilles et ne suivre que les vagues géantes. C'est rapide, mais cela manque de détails importants, comme les tempêtes sous-marines profondes ou les mouvements soudains de haut en bas de l'eau.

Ce papier traite de la construction d'un meilleur modèle simplifié. Les auteurs tentent de prouver mathématiquement que leur nouveau modèle simplifié, légèrement plus complexe, est en réalité une copie bien plus fidèle du modèle « parfait » (mais impossible) que ne le sont les anciens modèles simplifiés.

Le casting des personnages

Pour comprendre l'article, rencontrons les trois principaux « modèles » qu'ils comparent :

1. Les équations de Navier-Stokes en 3D (La Réalité « Parfaite ») :
   Considérez cela comme le film en 4K Haute Définition de l'océan. Il capture chaque tourbillon, chaque goutte et chaque interaction en trois dimensions. C'est la « vérité », mais elle est trop lourde pour être exécutée sur un ordinateur.

2. Les équations primitives hydrostatiques fortes (L'Ancien Modèle Simplifié) :
   C'est le dessin animé en noir et blanc. Il fait une hypothèse majeure : la pression de l'eau au fond est simplement le poids de l'eau située au-dessus, comme une pile de pancakes. Il suppose que l'eau ne se déplace jamais rapidement vers le haut ou vers le bas.

• Le défaut : Dans l'océan réel, l'eau se déplace effectivement de haut en bas de manière violente (comme lors de la convection profonde ou de tempêtes). L'hypothèse de la « pile de pancakes » s'effondre ici, rendant le dessin animé inexact pour certains événements.

3. Les équations primitives stochastiques « relaxées » (Le Nouveau Modèle Amélioré) :
   C'est le dessin animé en couleur avec des effets spéciaux. Il conserve la simplicité de la pile de pancakes, mais ajoute un facteur de « marge de manœuvre ». Il reconnaît que l'eau n'est pas parfaitement immobile ; il permet des mouvements verticaux aléatoires et chaotiques (du bruit) que l'ancien modèle ignorait.

La découverte centrale : La zone « Goldilocks » (Ni trop chaud, ni trop froid)

Les auteurs ont demandé : Quand le « Dessin animé en couleur » (Modèle 3) ressemble-t-il réellement au « Film 4K » (Modèle 1) ?

Ils ont trouvé une zone spécifique, la zone « Goldilocks », où le nouveau modèle fonctionne parfaitement, alors que l'ancien échoue.

• L'Ancien Modèle (Hydrostatique Fort) : Fonctionne bien uniquement lorsque l'océan est très calme et plat. Si les mouvements verticaux deviennent trop forts, l'erreur explose.
• Le Nouveau Modèle (Hydrostatique Relaxé) : Fonctionne bien même lorsqu'il y a un mouvement vertical significatif, à condition que le « bruit » (le vacillement aléatoire) soit mis à l'échelle correctement.

L'analogie de la corde raide :
Imaginez marcher sur une corde raide (l'océan).

• L'Ancien Modèle suppose que vous marchez sur un pont plat et solide. Si vous essayez de marcher sur une corde raide avec ce modèle, vous tomberez car il ne tient pas compte du balancement.
• Le Nouveau Modèle suppose que vous êtes sur une corde raide qui oscille. Il ajoute une « barre d'équilibre » (le bruit stochastique) qui vous aide à rester debout.
• Le papier prouve que si vous ajustez la longueur de cette barre d'équilibre (une mise à l'échelle mathématique spécifique impliquant le rapport d'aspect $\epsilon$ et un coefficient de bruit $\alpha_\sigma$), le modèle de la corde raide oscillante prédit votre trajectoire presque aussi bien que le film 4K du monde réel.

Comment ils ont fait (La magie mathématique)

Les auteurs n'ont pas simplement deviné ; ils ont utilisé un cadre mathématique rigoureux appelé Incertitude de Localisation (LU).

1. La technique du « Flou » : Au lieu d'essayer de résoudre chaque petit détail, ils traitent les petits mouvements non résolus comme du « bruit aléatoire » (comme de la neige sur une vieille télévision).
2. Le « Filtre » : Ils ont introduit un filtre mathématique (comme un tamis) pour lisser les parties les plus chaotiques de ce bruit afin que les équations ne se brisent pas.
3. La Comparaison : Ils ont lancé une course mathématique entre le « Film 4K Parfait » et leur « Dessin animé en couleur ». Ils ont mesuré la distance (l'erreur) entre les deux.
   • Ils ont constaté que l'erreur du Nouveau Modèle est bien plus petite que celle de l'Ancien Modèle lorsque les mouvements verticaux sont importants.
   • Plus précisément, ils ont prouvé que le Nouveau Modèle est une « approximation d'ordre supérieur ». En langage clair : il n'est pas seulement « correct » ; il est significativement meilleur pour capturer la nature complexe et 3D de l'océan sans nécessiter la puissance de calcul impossible du modèle 3D complet.

L'essentiel à retenir

Le papier affirme qu'en relaxant la règle stricte selon laquelle « la pression de l'eau doit agir comme une pile de pancakes », et en permettant plutôt des mouvements verticaux aléatoires et chaotiques (bruit stochastique), nous pouvons créer un modèle qui est :

1. Réalisable sur ordinateur (il peut être exécuté par des machines).
2. Mathématiquement prouvé comme étant bien plus proche de la physique réelle de l'océan que les modèles simplifiés précédents.

C'est comme passer d'une carte plate de l'océan à un hologramme 3D qui tient toujours dans votre poche, permettant aux scientifiques de prédire les événements météorologiques et océaniques complexes avec beaucoup plus de confiance.

Résumé technique

Résumé Technique : Interprétation des équations primitives stochastiques avec hypothèse hydrostatique relaxée

Énoncé du problème
Cet article étudie la convergence des solutions des équations de Navier-Stokes stochastiques tridimensionnelles (spécifiquement dans le cadre de l'Incertitude de Localisation ou Location Uncertainty - LU) vers leurs équivalents d'équations primitives. L'étude traite des limites de l'hypothèse hydrostatique « forte » classique, qui postule que l'accélération verticale est négligeable. Bien que valide pour la dynamique océanique à grande échelle, cette hypothèse ne parvient pas à capturer des phénomènes tels que la convection profonde et les fortes remontées ou descentes verticales (upwelling/downwelling). Les auteurs visent à déterminer si une hypothèse hydrostatique « relaxée » (ou faible), qui conserve des termes de martingale spécifiques représentant les écarts par rapport à l'équilibre hydrostatique, constitue une approximation d'ordre supérieur supérieure aux équations de Navier-Stokes stochastiques 3D par rapport au modèle hydrostatique fort standard.

Méthodologie
Les auteurs utilisent le cadre de l'Incertitude de Localisation (LU), qui modélise l'écoulement d'un fluide en décomposant le déplacement lagrangien en une vitesse eulérienne à grande échelle et un terme de bruit à petite échelle et hautement oscillant. La méthodologie comprend les étapes suivantes :

1. Mise à l'échelle et analyse asymptotique : Les auteurs considèrent un domaine mince $S_\epsilon = S_H \times (-\epsilon, \epsilon)$ où $\epsilon$ est le rapport d'aspect. Ils dérivent une version mise à l'échelle des équations de Navier-Stokes LU (SNS) et introduisent un coefficient de mise à l'échelle du bruit vertical $\alpha_\sigma$ pour distinguer les contributions de bruit horizontales et verticales.
2. Dérivation du modèle :
   • Modèle hydrostatique fort (PE) : Dérivé en écartant formellement les termes d'ordre $\epsilon^2$ dans l'équation de quantité de mouvement verticale.
   • Modèle hydrostatique faible (PE$^\epsilon_{\alpha_\sigma}$) : Dérivé en conservant les termes d'ordre $\alpha_\sigma \epsilon^2$ et $\alpha_\sigma^2 \epsilon^2$ dans l'équation de quantité de mouvement verticale. Ce modèle inclut des termes de martingale représentant les écarts d'accélération verticale. Pour assurer la bien-posée, les auteurs introduisent une régularisation via un noyau de convolution $K$ afin de filtrer les contributions de bruit à haute fréquence dans l'équation de quantité de mouvement verticale.
3. Outils mathématiques :
   • Projecteurs modifiés : Pour gérer les termes de pression, les auteurs définissent des projecteurs de Leray « modifiés » ($P$ et $P_\epsilon$). Ces projecteurs annulent les termes de gradient mis à l'échelle provenant de la pression stochastique, permettant l'application des outils classiques de la théorie de Leray malgré la présence de termes de covariation du calcul d'Itô.
   • Régimes de convergence : L'analyse couvre deux régimes de conditions aux limites :
     • Couvercle rigide (Rigid-lid) : Utilisé pour étudier la convergence $L^2-H^1$ des solutions faibles.
     • Totalement périodique : Utilisé pour étudier la convergence $H^1-H^2$ des solutions fortes.
4. Estimation de l'erreur : Les auteurs établissent des estimations d'énergie pour la différence entre les solutions des équations de Navier-Stokes mises à l'échelle et régularisées ($rSNS^\epsilon_{\alpha_\sigma}$) et les équations primitives régularisées ($PE^\epsilon_{\alpha_\sigma}$). Ils utilisent des lemmes de Grönwall stochastiques et des inégalités de Burkholder-Davis-Gundy pour borner les seconds moments de l'erreur.

Contributions clés et résultats

1. Approximation d'ordre supérieur : L'article démontre que les équations primitives faiblement hydrostatiques constituent une approximation d'ordre supérieur des équations de Navier-Stokes LU 3D, à condition que le coefficient de bruit vertical $\alpha_\sigma$ satisfasse des conditions de mise à l'échelle spécifiques.
2. Taux de convergence :
   • Pour le modèle hydrostatique faible, l'erreur asymptotique est bornée par un terme d'ordre $O(\alpha_\sigma^2 \epsilon^2)$. La convergence en probabilité est établie lorsque $\alpha_\sigma = o(\epsilon^{-1})$.
   • Pour le modèle hydrostatique fort (ou le Navier-Stokes non régularisé par rapport au modèle faible), la borne de l'erreur implique un terme d'ordre $O(\alpha_\sigma^4 \epsilon^2)$. Par conséquent, le modèle hydrostatique faible est montré comme étant une bien meilleure approximation dans les régimes où $\alpha_\sigma$ est grand mais où $\alpha_\sigma \epsilon$ reste petit.
3. Identification d'une « zone grise » : Les auteurs identifient un régime spécifique où $\alpha_\sigma \sim \epsilon^{-\gamma}$ avec $\gamma \in [1/2, 1)$. Dans cette zone, les équations primitives faiblement hydrostatiques constituent une approximation appropriée du système de Navier-Stokes régularisé, alors que les équations hydrostatiques fortes ne le sont pas.
4. Bien-posée et temps d'explosion : L'étude généralise les résultats de bien-posée déterministes pour les domaines minces au contexte stochastique. Il est démontré que le temps d'explosion des équations de Navier-Stokes mises à l'échelle tend vers l'infini en probabilité lorsque le rapport d'aspect $\epsilon \to 0$.
5. Innovation technique : L'introduction d'un projecteur de Leray « modifié » est soulignée comme une contribution technique cruciale. Cela permet l'annulation des termes de gradient de pression stochastique issus de la lemme d'Itô, facilitant l'utilisation des outils classiques d'analyse fonctionnelle dans un cadre stochastique où les termes de covariation compliqueraient autrement les estimations.

Signification
L'article affirme que sa principale importance réside dans la fourniture d'une justification mathématique rigoureuse pour l'utilisation d'hypothèses hydrostatiques relaxées dans la dynamique des fluides géophysiques stochastiques. En conservant les termes de martingale comme des écarts par rapport à l'équilibre hydrostatique, le modèle proposé capture les effets non-hydrostatiques (tels que la convection profonde) tout en restant dans le formalisme des équations primitives, qui est plus simple à calculer. Les résultats suggèrent que, pour des bruits convenablement mis à l'échelle, le modèle faiblement hydrostatique offre une représentation plus précise des écoulements turbulents 3D que l'approximation hydrostatique forte traditionnelle, particulièrement dans les régimes où les accélérations verticales ne sont pas négligeables. Ce travail étend les résultats de convergence déterministes (spécifiquement ceux de [34]) au cadre stochastique, répondant aux défis posés par la non-unicité des solutions et la nécessité de prévisions probabilistes dans la modélisation climatique et océanique.