An Aronson-Bénilan / Li-Yau estimate in the JKO scheme in small dimension

1. Problématique et Contexte

L'article s'intéresse à l'approximation par le schéma de Jordan-Kinderlehrer-Otto (JKO) des équations de diffusion non linéaires, spécifiquement les équations de type :
$$\partial_t \rho = \Delta \rho^m$$
où $m > 0$. Ce schéma est une méthode variationnelle implicite (type Euler implicite) dans l'espace des mesures de probabilité munies de la distance de Wasserstein $W_2$.

Le problème central abordé est la récupération des propriétés qualitatives et quantitatives du flot continu au niveau discret, uniformément par rapport au pas de temps $\tau$. Plus précisément, l'auteur vise à établir une estimation d'Aronson-Bénilan / Li-Yau dans le cadre du schéma JKO.

Dans le cas continu, cette estimation fournit une borne inférieure sur le laplacien de la variable de pression $p$ (définie par $p = \frac{m}{m-1}\rho^{m-1}$ pour $m \neq 1$ et $p = \log \rho$ pour $m=1$) :
$$\Delta p \geq -\frac{\alpha_{d,m}}{t}, \quad \text{où } \alpha_{d,m} = \frac{d}{d(m-1)+2}$$
Cette inégalité est fondamentale pour l'étude de la régularité des solutions (effets de régularisation $L^1 \to L^\infty$) et la géométrie des fronts libres.

L'objectif de l'article est de prouver une version discrète de cette estimation, uniforme en $\tau$, pour les régimes de diffusion lente ($m>1$), linéaire ($m=1$) et rapide ($0<m<1$), en se concentrant sur les petites dimensions ($d=1, 2$) et des domaines simples (tore, cube, demi-espace, etc.).

2. Méthodologie

La stratégie de preuve repose sur une analyse géométrique fine des potentiels de Brenier et de leurs Hessiens, en utilisant le principe du maximum appliqué au déterminant du Hessien.

A. Cadre Variationnel et Conditions d'Optimalité

L'auteur commence par étudier le problème de minimisation d'une étape du schéma JKO :
$$\rho_{k+1}^\tau \in \arg\min_{\eta \in \mathcal{P}_2(\Omega)} \left( E_m[\eta] + \frac{1}{2\tau} W_2^2(\eta, \rho_k^\tau) \right)$$
où $E_m$ est l'entropie de type $m$.

• Cas $m < 1$ (Diffusion rapide) : L'article comble une lacune dans la littérature en prouvant rigoureusement l'existence, l'unicité et les conditions d'optimalité pour ce régime, où la fonctionnelle n'est pas strictement convexe. Il est démontré que les minimiseurs sont absolument continus et strictement positifs presque partout.
• Conditions d'optimalité : Elles relient le minimiseur $\rho$ au potentiel de Kantorovich $\psi$ via la relation $\tau f_m'(\rho) = -\psi$ (avec des ajustements pour les bords). Cela permet de définir une fonction convexe $u = \tau f_m'(\rho) + \frac{1}{2}|\cdot|^2$ (potentiel de Brenier).

B. Amélioration "One-Step" du Minorant du Déterminant

Le cœur de la méthode est un lemme d'amélioration itérative (Théorème 4.1). L'idée est de montrer que si le déterminant du Hessien du potentiel $u_k$ est minoré par une constante $\lambda$ à l'étape $k$, alors à l'étape $k+1$, ce minorant est amélioré selon une loi algébrique précise.

• Analyse au point de minimum : L'auteur analyse le point $x_0$ où le déterminant $\det(D^2 u)$ atteint son minimum.
• Utilisation des dimensions 1 et 2 : La preuve exploite des identités algébriques spécifiques aux dimensions 1 et 2 (notamment la relation entre la trace et le déterminant pour les matrices $2 \times 2$) pour transformer une inégalité matricielle complexe en une inégalité scalaire exploitable.
• Traitement des bords : Pour les domaines à bords (cubes), l'auteur utilise une analyse fine du comportement de la carte de transport optimal sur les faces et les coins du cube (Proposition 4.4), montrant que la carte préserve la structure des faces et des coins, ce qui permet d'établir les conditions aux limites nécessaires pour appliquer le principe du maximum.

C. Itération et Passage à la Limite

En itérant cette amélioration "one-step", on obtient une suite de constantes $(X_k)_{k \geq 1}$ qui contrôlent la décroissance du minorant du déterminant. L'analyse asymptotique de cette suite permet de retrouver le comportement en $1/t$ du cas continu lorsque $\tau \to 0$ et $k\tau \approx t$.

3. Résultats Principaux

Théorème Principal (Théorème 1.1)

Pour des dimensions $d=1$ ou $d=2$ et des domaines simples (tore, cube, demi-espace, etc.), et pour tout $k \geq 1$, la fonction $u_k^\tau = \tau p_k^\tau + \frac{1}{2}|\cdot|^2$ est convexe et satisfait, au sens de Monge-Ampère :
$$\det(D^2 u_k^\tau)^{1/d} \geq 1 - X_k$$
où $(X_k)$ est une suite universelle dépendant uniquement de $m$ et $d$, telle que :
$$X_k \sim \frac{1}{d(m-1)+2} \cdot \frac{1}{k} \quad \text{lorsque } k \to +\infty$$

Conséquences

1. Estimation d'Aronson-Bénilan discrète : En utilisant l'inégalité AM-GM ($\Delta u \geq d \det(D^2 u)^{1/d}$), on obtient une borne inférieure sur le laplacien de la pression :
   $$\Delta p_k^\tau \geq -\frac{d X_k}{\tau}$$
   En passant à la limite $\tau \to 0$ avec $t = k\tau$, on retrouve exactement l'estimation classique d'Aronson-Bénilan.
2. Bornes $L^\infty$ locales uniformes (Corollaire 1.2) : En combinant l'estimation précédente avec un lemme de régularisation $L^1-L^\infty$, l'auteur déduit que la densité $\rho_k^\tau$ est uniformément bornée en norme $L^\infty$ sur des boules locales, indépendamment du pas de temps $\tau$ (pour $t$ fixé strictement positif). Cela confirme la robustesse du schéma JKO pour capturer les effets de régularisation instantanée.
3. Conditions d'optimalité pour $m < 1$ : L'article fournit une dérivation rigoureuse des conditions d'optimalité pour le régime de diffusion rapide, comblant un vide dans la littérature concernant l'absence de singularités dans les minimiseurs.

4. Signification et Contributions

• Comblement d'une lacune théorique : C'est la première preuve d'une estimation d'Aronson-Bénilan dans le schéma JKO pour le régime de diffusion rapide ($m<1$) et pour des domaines avec bords (cubes), au-delà du cas périodique (tore) déjà traité par Lee et l'auteur lui-même.
• Méthodologie géométrique : L'approche par le principe du maximum appliqué au déterminant du Hessien, couplée à une analyse fine des bords dans les petites dimensions, ouvre une nouvelle voie pour l'analyse des schémas variationnels en transport optimal.
• Limites et Perspectives : La restriction aux dimensions 1 et 2 est inhérente à la méthode algébrique utilisée (contrôle du déterminant via la trace et son inverse). L'auteur note que l'extension à des dimensions supérieures nécessiterait de nouvelles idées, car les inégalités algébriques ne suffisent plus à contrôler le déterminant. De même, l'extension à des domaines généraux (non convexes ou à bords complexes) reste ouverte.
• Impact sur la convergence : Ces résultats renforcent la justification théorique du schéma JKO en garantissant que les propriétés de régularité essentielles du flot continu sont préservées à l'échelle discrète, ce qui est crucial pour l'analyse de la vitesse de convergence et la stabilité numérique.

En résumé, cet article établit un lien rigoureux entre la géométrie des potentiels de transport optimal et les estimations de régularité classiques des équations de diffusion, validant le schéma JKO comme un outil puissant pour l'analyse qualitative des équations paraboliques non linéaires.