Gaussian Width of Convex Sets via Integral Decompositions, Projections, and the Distribution of Intrinsic Volumes

1. Problématique et Contexte

Le papier s'intéresse au problème fondamental de la borne supérieure de l'espérance du supremum d'un processus gaussien canonique indexé par un ensemble convexe $T \subset \mathbb{R}^d$. Cette quantité, connue sous le nom de largeur gaussienne ($w(T)$), est définie par :
$$w(T) = \mathbb{E} \left[ \sup_{x \in T} \langle x, g \rangle \right]$$
où $g \sim \mathcal{N}(0, I_d)$.

La largeur gaussienne est un objet central en probabilités, géométrie convexe, traitement du signal et apprentissage automatique. La caractérisation classique repose sur le théorème de la mesure majorante de Talagrand, qui relie $w(T)$ au fonctionnel $\gamma_2(T)$ via des partitions admissibles (chaining générique). Cependant, la construction explicite de ces partitions optimales est souvent extrêmement difficile, voire impossible pour des ensembles génériques (comme les ellipsoïdes), et les bornes dérivées (comme l'intégrale de Dudley) peuvent être sous-optimales.

L'objectif de ce travail est de développer des caractérisations alternatives de $w(T)$ qui évitent les constructions explicites de generic chaining, en exploitant plutôt les liens entre la géométrie convexe, les processus gaussiens et la théorie de l'estimation statistique.

2. Méthodologie

Les auteurs proposent une approche novatrice basée sur la décomposition de la largeur gaussienne en utilisant deux mécanismes principaux, tous deux ancrés dans le modèle de séquence gaussienne ($Y = \theta^* + \sigma g$) :

A. Décompositions Variational et par Projections Métriques

Les auteurs établissent deux identités de décomposition exactes pour $w_\xi(T)$ (où $\xi$ est un vecteur aléatoire, généralement gaussien) :

1. Décomposition par points fixes (Théorème 2.1) :
   Elle relie la largeur globale à une famille de problèmes variationnels locaux. Soit $r(\sigma)$ le point fixe unique maximisant $w(T \cap rB_2^d) - \frac{r^2}{2\sigma}$. Alors :
   $$w(T) = \left( w(T \cap r(\sigma)B_2^d) - \frac{r(\sigma)^2}{2\sigma} \right) + \frac{1}{2} \int_\sigma^\infty \frac{r(\nu)^2}{\nu^2} d\nu$$
   Cette décomposition sépare le terme "tête" (lié à la complexité locale à l'échelle $r(\sigma)$) d'un terme "queue" (intégrale).

2. Décomposition par projections métriques (Théorème 2.2) :
   Elle utilise la projection métrique $\Pi_T$ sur l'ensemble convexe $T$. Pour tout $\sigma > 0$ :
   $$w(T) = \mathbb{E} \left[ \sup_{t \in T} \left( \langle t, \xi \rangle - \frac{\|t\|^2}{2\sigma} \right) \right] + \frac{1}{2} \int_\sigma^\infty \mathbb{E} \left[ \|\Pi_{T/\nu}(\xi)\|^2 \right] d\nu$$
   Dans le cas gaussien, les deux décompositions sont essentiellement équivalentes à des constantes universelles près.

B. Connexion avec la Statistique et la Géométrie

L'approche clé consiste à varier le niveau de bruit $\sigma$ et à utiliser les résultats de la théorie de l'estimation :

• Estimateur des Moindres Carrés (LSE) : La variance de l'estimateur $\Pi_T(Y)$ est liée aux points fixes de la largeur gaussienne localisée (travaux de Chatterjee).
• Volumes Intrinsèques et Fonctionnel de Wills : Les auteurs exploitent les travaux de Vitale et Mourtada pour relier la première partie de la décomposition au fonctionnel de Wills $W(T) = \sum V_i(T)$, où $V_i(T)$ sont les volumes intrinsèques de $T$.
• Indice de Pic ($i^\star$) : Ils montrent que le comportement du fonctionnel de Wills est gouverné par un seul "indice de pic" des volumes intrinsèques, permettant de simplifier considérablement les bornes.

3. Contributions Clés et Résultats Principaux

1. Nouvelles Identités de Décomposition

Le papier fournit des identités exactes pour la largeur gaussienne qui ne reposent pas sur le chaining générique. Ces identités décomposent le problème en une partie locale (gérée par des bornes de risque statistique ou des volumes intrinsèques) et une partie globale (gérée par des outils géométriques ou informationnels).

2. Caractérisation par les Volumes Intrinsèques (Théorème 2.3)

Un résultat majeur est la démonstration que la largeur gaussienne est contrôlée par l'indice du volume intrinsèque maximal (le mode de la distribution des volumes intrinsèques).
$$w(T) \asymp i^\star \cdot \text{diam}(T)$$
où $i^\star$ est l'indice $i$ maximisant $V_i(T)$. Cela fournit une interprétation géométrique intuitive de la "dimension effective" de l'ensemble $T$.

3. Équivalence des Paramètres Locaux et Globaux

Les auteurs prouvent que, pour les bornes supérieures de type Dudley et les minorations de type Sudakov, le remplacement de l'entropie globale par l'entropie locale (basée sur des voisinages) ne change pas l'ordre de grandeur des bornes (à des constantes universelles près). Cela contraste avec la théorie de l'estimation où la distinction est souvent cruciale.

4. Preuves Informationnelles des Inégalités de Sudakov

En utilisant des outils informationnels (inégalité de Fano, lemme d'Anderson) et des arguments de décalage gaussien, les auteurs fournissent de nouvelles preuves des inégalités de Sudakov (primal et dual) sans recourir aux inégalités de comparaison gaussiennes classiques (comme Sudakov-Fernique).

5. Amélioration des Bornes pour des Exemples Spécifiques

Le papier applique ces méthodes à des cas où l'intégrale de Dudley est sous-optimale :

• Crosspolytope ($\ell_1$-ball) : La méthode permet d'obtenir la borne correcte $\sqrt{\log d}$ sans construire de partitions admissibles complexes, en utilisant soit une approche variationnelle (priors localisés), soit l'analyse des volumes intrinsèques, soit l'analyse des projections métriques.
• Ellipsoïdes : Les bornes dérivées sont optimales, corrigeant les défauts de l'approche par entropie classique.

4. Signification et Impact

Ce travail est significatif pour plusieurs raisons :

• Alternative au Generic Chaining : Il offre une boîte à outils puissante pour borner la largeur gaussienne sans avoir à construire explicitement des séquences de partitions, une tâche souvent ardue.
• Pont Interdisciplinaire : Il consolide le lien entre la géométrie convexe (volumes intrinsèques, fonctionnel de Wills), l'analyse stochastique (processus gaussiens) et la théorie de l'estimation statistique (risque minimax, estimateurs LSE).
• Précision Géométrique : En reliant la largeur gaussienne au mode de la distribution des volumes intrinsèques, il offre une compréhension plus fine de la structure géométrique des ensembles convexes.
• Robustesse des Méthodes : La démonstration que les paramètres locaux et globaux sont interchangeables pour les bornes de complexité simplifie l'analyse théorique dans de nombreux contextes statistiques.

En résumé, Pathak et Zhivotovskiy proposent une refonte conceptuelle de la manière dont on aborde la complexité des ensembles convexes, en remplaçant les constructions combinatoires lourdes par des décompositions analytiques basées sur la géométrie locale et la statistique, tout en obtenant des bornes souvent plus précises et plus faciles à calculer.