Long-time asymptotics for multivariate Hawkes processes with long-range interactions

Cet article étudie le comportement asymptotique à long terme d'un processus de Hawkes multivarié présentant des interactions à longue portée dont la force décroît selon une loi de puissance, en combinant des techniques d'analyse, des propriétés des lois stables et un théorème taubérien pour modéliser des systèmes réalistes tels que les réseaux de neurones.

L'essentiel

🧠 Le Grand Chahut des Neurones : Quand le passé influence le futur

Imaginez un immense réseau de neurones dans un cerveau, ou peut-être une foule immense où chaque personne peut parler aux autres. Dans ce monde, un événement (comme un neurone qui "tire" ou une personne qui crie) ne se produit pas au hasard. Il est souvent déclenché par ce qui s'est passé juste avant.

C'est ce qu'on appelle un processus de Hawkes. C'est un modèle mathématique qui décrit comment les événements s'auto-entretiennent : plus il y a d'événements, plus il est probable qu'il y en ait d'autres.

Mais dans cet article, l'auteure, Nadia Belmabrouk, ajoute une touche de magie (et de complexité) : la distance n'est pas un obstacle.

1. La règle du jeu : Qui influence qui ?

Dans la plupart des modèles classiques, un neurone n'est influencé que par ses voisins immédiats (comme dans une file d'attente où vous ne parlez qu'à la personne juste devant vous).

Ici, l'auteure étudie un système où tout le monde peut influencer tout le monde, mais avec une règle de distance :

• Si deux particules sont proches, elles s'influencent fortement.
• Si elles sont loin, l'influence est plus faible, mais elle ne disparaît pas totalement. Elle diminue lentement, comme une onde qui s'étend très loin.

L'analogie du café :
Imaginez une grande salle de café.

• Interaction courte : Si quelqu'un crie, seul son voisin de table l'entend.
• Interaction longue (ce papier) : Si quelqu'un crie, l'écho résonne dans toute la salle. Même si vous êtes au fond, vous entendez le cri, bien que plus doucement. Plus le cri est fort, plus l'écho dure longtemps.

2. Deux mondes possibles : Le calme et la tempête

L'auteure s'intéresse à ce qui se passe quand le temps passe (le "long terme"). Elle distingue deux situations :

A. Le régime "Sous-critique" (Le calme)
Imaginez que chaque fois qu'un événement se produit, il en déclenche moins d'un autre en moyenne.

• Résultat : Le système se stabilise. Comme une foule qui finit par se calmer après une agitation passagère.
• Ce que dit le papier : Même avec des interactions très lointaines, le système finit par trouver un équilibre prévisible. Les mathématiques montrent que le comportement moyen du système devient stable, un peu comme une marée qui monte et descend de façon régulière.

B. Le régime "Sur-critique" (La tempête)
Imaginez que chaque événement en déclenche plus d'un autre. C'est l'effet boule de neige.

• Résultat : Le système explose ! Le nombre d'événements croît de façon exponentielle (très vite).
• Le défi : C'est ici que l'article est le plus original. Dans les modèles précédents, on supposait que les interactions lointaines s'effaçaient très vite. Ici, elles persistent.
• La solution de l'auteure : Elle utilise une technique mathématique très puissante appelée Théorème Tauberien.
  • L'analogie : C'est comme si vous vouliez deviner la vitesse d'une voiture en regardant seulement la fumée de son échappement. Les mathématiques classiques ne suffisent pas. Le théorème Tauberien est comme un détective spécial qui peut reconstituer l'histoire complète (la vitesse) à partir de la forme de la fumée (le comportement à long terme), même si la fumée est très étrange.

3. Pourquoi c'est important ?

Pourquoi se casser la tête avec des mathématiques aussi compliquées ?

1. Le cerveau humain : Nos neurones ne sont pas isolés. Ils sont connectés sur de longues distances. Ce modèle aide à comprendre comment une activité dans une partie du cerveau peut résonner dans une autre partie lointaine, créant des souvenirs ou des épilepsies.
2. La finance : Sur les marchés boursiers, une nouvelle dans un pays peut influencer les traders d'un autre continent, pas seulement ceux du quartier.
3. Les réseaux sociaux : Une information (ou une rumeur) peut voyager très loin et très vite, touchant des gens qui ne se connaissent pas.

En résumé

Cet article est une carte routière pour comprendre les systèmes qui s'auto-alimentent sur de longues distances.

• Si le système est calme, il finit par se stabiliser, peu importe la distance.
• Si le système est explosif, il grandit de façon prévisible (comme une explosion contrôlée), et l'auteure a trouvé la formule exacte pour prédire cette croissance, même quand les règles habituelles ne fonctionnent plus.

C'est un travail de précision qui permet de mieux modéliser la réalité complexe de notre monde, où rien n'est vraiment isolé et où le passé lointain continue de résonner dans le présent.

Résumé technique

Voici un résumé technique détaillé de l'article « Long-time asymptotics for multivariate Hawkes processes with long-range interactions » de Nadia Belmabrouk, rédigé en français.

1. Problématique et Contexte

L'article étudie le comportement asymptotique à long terme d'un processus de Hawkes multivarié défini sur un réseau infini d'indices $i \in \mathbb{Z}$, caractérisé par des interactions à longue portée.

• Modèle de base : Un processus de Hawkes modélise des événements discrets où l'intensité d'occurrence dépend de l'historique des événements passés (auto-excitation) et des interactions avec d'autres composantes.
• Spécificité du modèle : Contrairement aux modèles classiques à interactions à courte portée (voisins immédiats), ce modèle intègre une interaction dont la force décroît selon une loi de puissance en fonction de la distance spatiale entre les particules $i$ et $j$.
• Formulation mathématique : L'intensité $\lambda^i_t$ de la particule $i$ à l'instant $t$ est donnée par :
  $$\lambda^i_t = \mu_i + \sum_{j \neq i} \frac{c(\alpha)}{|i-j|^{1+\alpha}} \int_0^t \phi(t-s) dZ^j_s$$
  où :
  • $\mu_i$ est l'intensité de base.
  • $\phi$ est la fonction de réponse temporelle.
  • Le terme $\frac{1}{|i-j|^{1+\alpha}}$ représente la matrice d'interaction spatiale $A_\alpha$, avec $\alpha > 0$.
  • Le cas $\alpha$ détermine la nature de la dépendance : courte portée ($L^2$), longue portée ($L^1 \setminus L^2$) ou très longue portée (espérance et variance non sommables).

L'objectif est de déterminer la limite de l'espérance du nombre d'événements $E[Z^i_t]$ lorsque $t \to \infty$, dans deux régimes distincts : sous-critique et sur-critique.

2. Méthodologie

L'auteur combine plusieurs outils mathématiques avancés pour traiter la complexité introduite par les interactions à longue portée, qui rendent les techniques classiques (basées sur les théorèmes de la limite centrale gaussiens) inapplicables.

• Lois stables ($\alpha$-stables) : Pour gérer la matrice d'interaction $A_\alpha$, l'auteur exploite les propriétés des lois stables. La matrice $A_\alpha$ est liée à la loi de probabilité d'une marche aléatoire sur $\mathbb{Z}$ dont les sauts suivent une loi de puissance. Les théorèmes de convergence de ces marches vers des lois stables (densité $p_n$) sont cruciaux pour l'analyse asymptotique spatiale.
• Théorèmes Taubériens : Dans le régime sur-critique, la méthode standard de réduction à une équation moyenne (utilisée dans des travaux précédents pour des interactions à courte portée) échoue. L'auteur utilise donc des théorèmes Taubériens (notamment la version de Haar/Feller) pour déduire le comportement asymptotique temporel à partir de la transformée de Laplace des fonctions d'intensité.
• Analyse de Laplace : L'étude repose sur l'analyse des transformées de Laplace des intensités moyennes, en particulier autour du pôle dominant $\theta$ défini par l'équation caractéristique $\hat{\phi}(\theta) = 1$.
• Estimations de martingales : Pour contrôler l'écart entre le processus stochastique et son espérance, l'auteur utilise des inégalités de martingales et des estimations de moments d'ordre 2, en s'appuyant sur la décroissance des coefficients de la matrice $A_\alpha^n$.

3. Résultats Principaux

Les résultats sont divisés en deux régimes selon la valeur de l'intégrale de la fonction de réponse $I = \int_0^\infty \phi(t) dt$.

A. Régime Sous-critique ($I < 1$)

Dans ce régime, le système est stable.

• Résultat : L'espérance du processus $Z^i_t$ croît linéairement avec le temps. Plus précisément, on a la convergence suivante :
  $$\lim_{t \to \infty} \left| \frac{E[Z^i_t]}{t} - \sum_{j \in \mathbb{Z}} Q^I_\alpha(i, j) \mu_j \right| = 0$$
  où $Q^I_\alpha$ est une matrice définie par une série géométrique impliquant les puissances de la matrice d'interaction $A_\alpha$.
• Interprétation : Le comportement asymptotique est déterminé par une moyenne spatiale pondérée des intensités de base, similaire au cas à courte portée, mais avec des poids ajustés par la structure à longue portée.

B. Régime Sur-critique ($I > 1$)

Dans ce régime, le système est instable et l'intensité croît exponentiellement.

• Hypothèse supplémentaire : La fonction de réponse $\phi$ doit être sous-exponentielle (ou exponentielle bornée) pour garantir l'existence de la transformée de Laplace.
• Résultat : L'espérance du processus croît exponentiellement. Il existe un unique $\theta > 0$ tel que $\hat{\phi}(\theta) = 1$. Alors, pour tout $i \in \mathbb{Z}$ :
  $$E[Z^i_t] \sim \frac{\bar{\mu}}{\theta^2 \bar{m}} e^{\theta t} \quad \text{lorsque } t \to \infty$$
  où :
  • $\bar{\mu}$ est la moyenne spatiale des intensités de base $\mu_i$.
  • $\bar{m} = \int_0^\infty t \phi(t) e^{-\theta t} dt$ est un moment pondéré de la fonction de réponse.
• Différence majeure : Contrairement au régime sous-critique, la dépendance spatiale ne modifie pas le taux de croissance exponentielle $\theta$, mais l'amplitude dépend de la moyenne spatiale $\bar{\mu}$. La preuve nécessite de généraliser les hypothèses de travaux antérieurs (comme [3]) et d'utiliser les théorèmes Taubériens pour contourner l'échec de la réduction à une équation moyenne unidimensionnelle.

4. Contributions Clés

1. Extension aux interactions à longue portée : L'article généralise les résultats existants sur les processus de Hawkes multivariés (qui se limitaient souvent aux interactions de voisinage immédiat) au cas où les interactions suivent une loi de puissance sur un réseau infini.
2. Adaptation des techniques de preuve : L'auteur démontre que les techniques classiques basées sur les lois normales (CLT) doivent être remplacées par des techniques basées sur les lois $\alpha$-stables pour traiter la matrice d'interaction $A_\alpha$.
3. Nouvelle approche pour le régime sur-critique : L'article propose une méthode robuste utilisant les théorèmes Taubériens pour caractériser le comportement asymptotique dans le régime sur-critique, surmontant les limitations des méthodes précédentes qui échouaient avec des interactions à longue portée et des fonctions de réponse non sous-polynomiales.
4. Rigueur mathématique : La preuve inclut des lemmes techniques détaillés (Lemmes 3.1, 3.2, 3.3 et 4.4-4.5) établissant la convergence des puissances de la matrice d'interaction et le contrôle des termes d'erreur stochastiques.

5. Signification et Applications

Ce travail est significatif pour plusieurs domaines où les systèmes d'interactions à longue portée sont présents :

• Neurosciences : Le modèle est particulièrement pertinent pour décrire l'activité neuronale dans le cerveau, où les connexions entre neurones ne sont pas limitées aux voisins immédiats mais s'étendent sur de longues distances (connexions à longue portée). La compréhension de la dynamique à long terme aide à modéliser l'émergence de synchronisation ou d'explosions d'activité (crises épileptiques).
• Réseaux complexes et Épidémiologie : La modélisation de la propagation d'informations ou de maladies dans des réseaux où la distance spatiale ou sociale influence la probabilité de transmission.
• Finance : Application potentielle à la modélisation des ordres de marché où les chocs peuvent se propager à travers des actifs distants dans le réseau financier.

En résumé, cet article fournit un cadre théorique rigoureux pour l'analyse asymptotique des processus de Hawkes à longue portée, comblant un vide entre les modèles à courte portée et la réalité physique de nombreux systèmes complexes.