Microergodicity implies orthogonality of Matérn fields on bounded domains in $\mathbb{R}^4$

1. Problématique et Contexte

L'article s'inscrit dans le domaine de la statistique spatiale et de la théorie des processus gaussiens, en se concentrant sur la faisabilité d'estimation (identifiabilité) des paramètres de covariance des champs aléatoires de Matérn dans le régime d'asymptotique à domaine fixe (infill asymptotics).

• Contexte : Pour un champ gaussien stationnaire isotrope de Matérn en dimension $d$, les paramètres sont la variance $\sigma^2$, la portée $\alpha$ et la régularité $\nu$.
• Paramètre microergodique : Il est bien établi que la combinaison $m = \sigma^2 \alpha^{2\nu}$ est le paramètre microergodique, c'est-à-dire la seule combinaison estimable de manière cohérente à partir d'une seule réalisation dense sur un domaine borné.
• La transition de phase dimensionnelle :
  • Pour $d \le 3$ (Zhang [1]), deux modèles avec le même $m$ mais des $\alpha$ différents induisent des mesures gaussiennes équivalentes. Les paramètres $\sigma^2$ et $\alpha$ ne peuvent pas être séparés.
  • Pour $d > 4$ (Anderes [2]), les mesures sont orthogonales (singulières) dès que les paramètres diffèrent. $\sigma^2$ et $\alpha$ sont séparables.
  • Le cas critique $d=4$ : Restait une question ouverte. La dimension 4 est la frontière où l'accumulation de l'information sur les écarts de covariance passe d'une somme bornée à une divergence logarithmique.

Objectif de l'article : Résoudre le cas $d=4$ en démontrant que, même avec le même paramètre microergodique $m$, deux modèles de Matérn avec des portées $\alpha_1 \neq \alpha_2$ induisent des mesures gaussiennes mutuellement singulières sur tout ensemble d'observation dense.

2. Méthodologie et Approche Technique

L'auteur développe une approche spectrale qui peut être vue comme l'analogue spectral de la méthode des incréments d'ordre supérieur utilisée par Anderes pour $d>4$.

A. Probing Spectral Localisé

Au lieu d'analyser les incréments dans l'espace physique, l'auteur utilise des coefficients de Fourier localisés.

• Soit $\chi$ une fonction de coupure lisse ($C^\infty_c$) sur le domaine borné $D$.
• On définit les coefficients localisés : $X_k = \int_D \chi(t) e^{-ik\cdot t} Y(t) dt$.
• Ces coefficients sont des variables gaussiennes complexes centrées. Leur variance $v_j(k)$ sous le modèle $j$ est une version lissée de la densité spectrale $f_j$.

B. Analyse de l'Écart Spectral

Sous la condition d'égalité des paramètres microergodiques ($\sigma_1^2 \alpha_1^{2\nu} = \sigma_2^2 \alpha_2^{2\nu} = m$) et $\alpha_1 \neq \alpha_2$ :

1. Les densités spectrales $f_1$ et $f_2$ coïncident au premier ordre pour les hautes fréquences ($|\xi| \to \infty$).
2. Le premier terme de désaccord apparaît au second ordre. L'auteur montre que l'écart relatif des variances des coefficients de Fourier, noté $\delta_k = \frac{v_2(k)}{v_1(k)} - 1$, se comporte asymptotiquement comme :
   $$\delta_k \sim C (\alpha_1^2 - \alpha_2^2) |k|^{-2}$$
   où $C$ dépend de $\nu$.

C. La Statistique de Séparation

L'auteur construit une statistique de score normalisée $T_N$ basée sur la somme des écarts sur une coquille de fréquences $\Lambda_N$ :
$$T_N = \frac{1}{L_N} \sum_{k \in \Lambda_N} \delta_k \left( \frac{|X_k|^2}{v_1(k)} - 1 \right)$$
où $L_N = \sum_{k \in \Lambda_N} \delta_k^2$ est l'échelle d'information.

• Comportement de $L_N$ en dimension 4 :
  En dimension 4, la somme $\sum_{|k| \le N} |k|^{-4}$ diverge logarithmiquement. Ainsi, $L_N \asymp \log N$.
  C'est cette divergence lente mais non bornée qui permet la séparation. En dimension $d < 4$, la somme convergerait (pas de séparation), et en $d > 4$, elle divergerait plus vite (séparation plus forte).

D. Contrôle des Corrélations

Un défi technique majeur est que les coefficients $X_k$ ne sont pas indépendants en raison de la localisation spatiale (fenêtrage).

• L'auteur démontre que les covariances hors-diagonale ($\text{Cov}(X_k, X_\ell)$) décroissent rapidement avec $|k-\ell|$ grâce à la décroissance rapide de la transformée de Fourier de la fonction de coupure $\chi$ (fonction de Schwartz).
• Cela permet de borner la variance de la statistique $T_N$ : $\text{Var}(T_N) \lesssim L_N^{-1} \asymp (\log N)^{-1}$.

3. Résultats Principaux

Théorème 1 (Orthogonalité) :
Pour $d=4$, soient deux champs de Matérn stationnaires avec les mêmes paramètres de régularité $\nu$ et le même paramètre microergodique $m$, mais des portées différentes $\alpha_1 \neq \alpha_2$. Alors, les lois gaussiennes induites sur n'importe quel ensemble d'observation dénombrable et dense $S \subset D$ sont mutuellement singulières ($P_1 \perp P_2$).

Preuve de la séparation :
En choisissant une sous-suite de fréquences $N_s$ telle que $\sum 1/L_{N_s} < \infty$, la loi forte des grands nombres s'applique :

• Sous $P_1$ : $T_{N_s} \to 0$ presque sûrement.
• Sous $P_2$ : $T_{N_s} \to 1$ presque sûrement.
  L'événement de convergence vers 0 ou 1 définit un ensemble mesurable qui sépare les deux mesures.

Extension aux lois de trajectoire :
L'article montre également que cette orthogonalité s'étend aux lois sur l'espace des fonctions continues $C(D)$, ce qui implique l'orthogonalité sur tout ensemble dense.

4. Contributions Clés

1. Résolution du cas critique $d=4$ : L'article comble une lacune théorique majeure en prouvant que la dimension 4 est le seuil où l'identifiabilité de la portée $\alpha$ redevient possible (contrairement aux dimensions inférieures).
2. Nouvelle méthode spectrale : Introduction d'un cadre de "sondage spectral localisé" (localized spectral probing). Contrairement à la méthode d'Anderes qui travaille dans l'espace physique via des incréments, cette méthode travaille dans le domaine fréquentiel en isolant le premier terme non nul de l'erreur spectrale.
3. Lien avec la théorie de l'information : L'article identifie $L_N$ (la somme des carrés des écarts de variance) comme l'échelle naturelle d'information. La divergence logarithmique en $d=4$ est la condition nécessaire et suffisante pour la singularité.
4. Gestion des dépendances : Développement de techniques rigoureuses pour contrôler les termes hors-diagonale dans les covariances des coefficients de Fourier localisés, prouvant que la structure de dépendance ne détruit pas le signal de séparation.

5. Signification et Implications

• Théorique : Ce résultat affine notre compréhension des asymptotiques à domaine fixe pour les processus gaussiens. Il établit que la dimension 4 est une frontière critique où l'information sur les paramètres de second ordre (la portée) commence à s'accumuler de manière suffisante pour être détectée, bien que très lentement (logarithmiquement).
• Pratique :
  • Cela suggère que pour des données spatiales en 4 dimensions (ou des modèles analogues), il est théoriquement possible d'estimer la portée $\alpha$ à partir d'une seule réalisation dense, contrairement aux dimensions 1, 2 et 3.
  • L'article propose également une étude de simulation montrant qu'un estimateur basé sur la pseudo-vraisemblance de Whittle (utilisant les coefficients de Fourier) peut effectivement récupérer le paramètre $\alpha$ en dimension 4, validant ainsi la pertinence pratique de la théorie.
• Généralisation : Le cadre de sondage spectral localisé proposé peut être appliqué à d'autres modèles spatiaux pour étudier l'identifiabilité et l'estimation, offrant une alternative puissante aux méthodes d'incréments physiques.

En résumé, ce papier démontre que la dimension 4 est le point de bascule où la structure fine du spectre des champs de Matérn devient suffisamment informative pour distinguer des modèles qui semblaient indiscernables dans les dimensions inférieures, grâce à une accumulation logarithmique du signal de différence.