A PDE approach to Benamou--Brenier formula for the Schrödinger problem

1. Énoncé du problème et motivation

Le problème de Schrödinger :
L'article traite du problème de Schrödinger, un problème variationnel issu de la mécanique statistique. Étant donné deux mesures de probabilité $\mu_0, \mu_1$ sur $\mathbb{R}^n$ et un paramètre $\varepsilon > 0$ (représentant la température ou le bruit), l'objectif est de trouver l'évolution la plus probable d'un nuage de particules browniennes reliant ces deux états. Mathématiquement, cela se formule comme la minimisation de l'entropie relative par rapport à une mesure de référence $R_\varepsilon$ (la loi conjointe d'un processus de Wiener réversible) :
$$\inf \{ H(\gamma | R_\varepsilon) : \gamma \in \Gamma(\mu_0, \mu_1) \}$$
où $\Gamma(\mu_0, \mu_1)$ est l'ensemble des plans de transport ayant pour marginales $\mu_0$ et $\mu_1$.

Le vide dans la théorie existante :
Le problème de Schrödinger est connu pour être une régularisation entropique du problème de Transport Optimal (OT) quadratique. En OT, la formule de Benamou–Brenier fournit une reformulation dynamique, égalisant le coût de transport statique à l'énergie cinétique minimale d'un écoulement fluide satisfaisant l'équation de continuité.
Pour le problème de Schrödinger, une formulation dynamique similaire existe impliquant l'équation de Fokker–Planck :
$$\partial_t \eta_t - \frac{\varepsilon}{2}\Delta \eta_t + \text{div}(v_t \eta_t) = 0$$
Cependant, les preuves rigoureuses antérieures de cette formule dynamique (spécifiquement par Gigli et Tamanini, [GT20]) reposaient sur des hypothèses de compacité : les marginales $\mu_0$ et $\mu_1$ devaient avoir un support borné.
Le problème : De nombreuses applications pratiques (par exemple, les modèles gaussiens, les mélanges de gaussiennes, l'inférence bayésienne) impliquent des mesures à support non borné. Dans ces cas, les potentiels de Schrödinger ($f_\varepsilon, g_\varepsilon$) et leurs logarithmes ($\varphi_t^\varepsilon, \psi_t^\varepsilon$) peuvent présenter une croissance exponentielle à l'infini, rendant les arguments classiques d'intégration par parties et de différentiation sous le signe intégral invalides sans un contrôle minutieux.

2. Méthodologie

Les auteurs proposent une approche basée sur les EDP pour combler le fossé entre la théorie abstraite et les applications non compactes. Leur stratégie repose sur trois piliers principaux :

1. Assouplissement des hypothèses sur les marginales : Au lieu d'un support compact, ils supposent que les marginales sont de la forme $\mu_i = e^{-V_i} \mathcal{L}^n$, où $V_i \in C^2(\mathbb{R}^n)$ satisfont des bornes uniformes bilatérales sur le Hessien :
   $$C^{-1}|\xi|^2 \leq \xi \cdot D^2 V_i(x) \xi \leq C|\xi|^2$$
   Cette classe inclut les mesures gaussiennes et les distributions fortement log-concaves (queues sous-gaussiennes).

2. Estimations de régularité et de croissance :

   • Ils exploitent des résultats récents (de [Chi+24] et [Con24]) pour établir que les potentiels de Schrödinger $\psi_t^\varepsilon = \varepsilon \log g_t^\varepsilon$ héritent des bornes sur le Hessien des marginales.
   • Ils prouvent que $\psi_t^\varepsilon$ croît au plus de manière quadratique, et que son gradient $\nabla \psi_t^\varepsilon$ croît au plus de manière linéaire.
   • Crucialement, ils montrent que l'interpolation entropique $\varrho_t^\varepsilon$ (la densité du chemin) possède des moments gaussiens forts qui décroissent suffisamment vite pour compenser la croissance polynomiale/exponentielle des potentiels.

3. Analyse rigoureuse des EDP :

   • Différentiation sous l'intégrale : Ils utilisent les bornes de moments dérivées pour justifier la différentiation de $\int \psi_t^\varepsilon \varrho_t^\varepsilon dx$ par rapport au temps.
   • Intégration par parties (Gauss–Green) : Ils construisent des fonctions de troncature spécifiques et utilisent l'inégalité de Kato parabolique pour prouver que les termes de bord s'annulent à l'infini, permettant l'application des formules de Gauss–Green pour des domaines non bornés.
   • Unicité via la convexité : Ils établissent l'unicité du champ de vitesse dans la formulation dynamique en utilisant la convexité stricte du fonctionnel d'énergie cinétique et la méthode des caractéristiques.

3. Contributions clés

• Extension aux mesures sous-gaussiennes : L'article étend la validité de la formule de Benamou–Brenier pour le problème de Schrödinger des mesures à support compact à une large classe de mesures à queues sous-gaussiennes (incluant les gaussiennes et les mélanges).
• Preuve EDP presque autonome : Contrairement aux preuves antérieures qui reposaient sur des arguments probabilistes ou la compacité, ce travail fournit une preuve rigoureuse, presque autonome, n'utilisant que des outils d'EDP (estimations du noyau de chaleur, bornes sur le Hessien et contrôles de moments).
• Contrôle explicite de la croissance : Les auteurs fournissent des estimations explicites montrant que même si les potentiels croissent à l'infini, la décroissance de la densité d'interpolation entropique garantit l'intégrabilité nécessaire pour que la formulation dynamique soit valide.
• Résultat d'unicité : Ils prouvent que le minimiseur de l'action cinétique dynamique est unique sous la contrainte de Fokker–Planck.

4. Résultats principaux

Théorème 1.1 (Formule de Benamou–Brenier simplifiée) :
Sous l'hypothèse que $\mu_0, \mu_1$ sont des mesures sous-gaussiennes (définies par des potentiels $C^2$ à Hessiens bornés), pour tout $\varepsilon > 0$ :
$$\varepsilon \min_{\gamma \in \Gamma(\mu_0, \mu_1)} H(\gamma | R_\varepsilon) = \varepsilon H(\mu_0 | \mathcal{L}^n) + \min \left\{ \int_0^1 \int_{\mathbb{R}^n} \frac{|v_t|^2}{2} \eta_t \, dx dt \right\}$$
où le minimum est pris sur les paires $(\eta_t, v_t)$ satisfaisant l'équation de Fokker–Planck au sens des distributions :
$$\partial_t \eta_t - \frac{\varepsilon}{2}\Delta \eta_t + \text{div}(v_t \eta_t) = 0, \quad \eta_0 = \mu_0, \quad \eta_1 = \mu_1$$
Le minimiseur unique pour l'énergie cinétique est donné par le chemin d'interpolation entropique $(\mu_t^\varepsilon, \nabla \psi_t^\varepsilon)$.

Corollaire (Formulation duale) :
L'article dérive également une formulation duale pour le problème de Schrödinger impliquant une inégalité de type Hamilton-Jacobi-Bellman :
$$\max \left\{ \int f_1 d\mu_1 - \int f_0 d\mu_0 : \partial_t f + \frac{\varepsilon}{2}\Delta f + \frac{1}{2}|\nabla f|^2 \leq 0 \right\}$$
où le maximiseur est le potentiel de Schrödinger $\psi_t^\varepsilon$.

5. Signification et impact

• Lien entre théorie et pratique : Le résultat justifie l'utilisation de formulations dynamiques (interprétations hydrodynamiques) dans des contextes où les données sont naturellement non bornées, tels que les modèles de mélanges gaussiens, les modèles de diffusion en apprentissage automatique et le contrôle stochastique.
• Implications algorithmiques : Le problème de Schrödinger est la base théorique de l'algorithme de Sinkhorn, une pierre angulaire du transport optimal moderne et de l'apprentissage automatique. Valider la formulation dynamique pour des supports non bornés renforce le fondement théorique de l'application de ces algorithmes à des jeux de données réels, non compacts.
• Rigueur analytique : En fournissant une preuve centrée sur les EDP qui gère les domaines non bornés via des estimations de moments, l'article offre un cadre robuste pour analyser les interpolations entropiques au-delà du cadre restrictif des supports compacts, ouvrant la voie à de nouvelles recherches en transport optimal non compact et en analyse stochastique.

En résumé, cet article résout une limitation technique critique dans la théorie du problème de Schrödinger, prouvant que le lien dynamique élégant entre la minimisation de l'entropie et l'énergie cinétique vaut pour la large classe des distributions sous-gaussiennes essentielles aux applications modernes.