Résumé Technique : Transformations de Gauge, Ansatz d'Opérateur de Moyennage Aléatoire et Amélioration de la Bien-posée Probabiliste pour l'NLS Radiale sur la Boule 3D

1. Énoncé du Problème et Contexte

L'article traite de l'équation de Schrödinger non linéaire (NLS) défocalisante cubique sur la boule unité tridimensionnelle $B^3$ avec des conditions aux limites de Dirichlet et des données initiales radiales :
$$(i\partial_t + \Delta)u = |u|^2u, \quad u|_{\partial B^3} = 0.$$
L'étude se concentre sur la bien-posée probabiliste de cette équation lorsque les données initiales sont randomisées selon une mesure gaussienne $\mu_\alpha$ supportée sur les espaces de Sobolev $H^s_{rad}(B^3)$ avec $s < \alpha - 1/2$. Les données initiales sont définies via une série de Fourier aléatoire :
$$\phi_\alpha(\omega, x) = \sum_{n \ge 1} \frac{g_n(\omega)}{n^\alpha} e_n(x),$$
où $g_n$ sont des variables gaussiennes complexes standard indépendantes et $e_n$ sont des fonctions propres radiales du Laplacien de Dirichlet.

Le Défi :
En trois dimensions, la régularité de Sobolev critique pour la NLS est $s=1/2$. Le support de la mesure de Gibbs correspond à des données ayant une régularité légèrement inférieure à $1/2$ (spécifiquement $s < 1/2$ quand $\alpha=1$). Des travaux antérieurs par Bourgain et Bulut [BB14] ont établi l'existence et l'unicité globale presque sûre pour $\alpha=1$ (données dans $H^{1/2-}$). Cependant, leur approche reposait sur une approximation de dimension finie où la non-linéarité était tronquée par un projecteur spectral $\Pi_N$ sur le second membre. Cette méthode produisait un taux de convergence avec une divergence logarithmique en fonction du paramètre de fréquence $N$, limitant la capacité à traiter des données de régularité plus faible (c'est-à-dire $\alpha < 1$) ou à traiter l'équation complète sans le projecteur.

L'article vise à améliorer ces résultats en établissant la bien-posée locale presque sûre pour $\alpha > 15/16$, un régime qui est supercritique par rapport à la mise à l'échelle probabiliste introduite par Deng, Nahmod et Yue [DNY24a, DNY22].

2. Méthodologie et Innovations Clés

Les auteurs emploient une combinaison de transformations de gauge, d'opérateurs de moyennage aléatoire et d'une analyse de modulation raffinée pour surmonter les singularités inhérentes au cadre radial 3D.

2.1. Décomposition de la Non-linéarité et Transformation de Gauge

La difficulté centrale identifiée dans [BB14] est une interaction résonante spécifique (haut $\times$ haut $\times$ haut) qui produit une divergence logarithmique lorsque $\alpha=1$. Dans le cadre radial, les coefficients de Fourier $u_n$ satisfont une équation où un coefficient réel divergent $C_n(u_N)$ dépend de la fréquence $n$ :
$$(i\partial_t - n^2) \hat{u}_N(n) = C_n(u_N) \hat{u}_N(n) + \text{autres termes}.$$
Contra�à l'exemple du tore, où des transformations de gauge globales peuvent éliminer de tels termes, la nature de $C_n$ dépendant de la fréquence dans la boule empêche une transformation de gauge unique et globale.

La Solution : Les auteurs introduisent une transformation de gauge raffinée adaptée à la structure algébrique spécifique du coefficient divergent. Ils définissent une relation de dispersion modifiée $\lambda_n^2 = n^2 + \mu_n^2$, où $\mu_n^2$ capture la valeur attendue de l'interaction résonante. En soustrayant la partie linéaire associée à $\mu_n^2$ et en utilisant les annulations dans le cadre probabiliste (spécifiquement $|u_n(t)|^2 - |u_n(0)|^2$), ils convertissent la contribution résonante problématique en termes quintiques non résonants. Cette transformation est linéaire dans les fréquences, contrastant avec les transformations de gauge non linéaires utilisées dans d'autres contextes (ex: [OTW20]).

2.2. Ansatz de l'Opérateur de Moyennage Aléatoire

Pour gérer les interactions hautes $\times$ basses fréquences restantes, les auteurs utilisent le cadre de l'opérateur de moyennage aléatoire introduit par Deng, Nahmod et Yue [DNY24a].

• Décomposition : La solution $u_N$ est décomposée en un terme gaussien « coloré » $\psi_N$ (capturant les interactions hautes $\times$ basses les plus singulières) et un reste plus régulier $w_N$.
• Réduction Radiale : Dans le cadre radial, les opérateurs de moyennage aléatoire se réduisent à la multiplication par des phases complexes. Spécifiquement, pour un mode $n$, l'opérateur agit comme $H_n(t) = \exp(-i \int_0^t \Theta_n(\tau) d\tau)$, où $\Theta_n$ est une fonction réelle déterminée par les composantes de fréquences plus basses.
• Schéma d'Induction : La preuve procède via un schéma d'induction sur les échelles de fréquences dyadiques. À chaque échelle $N$, les auteurs construisent la phase de moyennage aléatoire $H_N$ et le reste $w_N$ en utilisant des arguments de point fixe dans des espaces de Fourier-Lebesgue ($X^{s,b}$ adaptés au Laplacien tordu).

2.3. Analyse de Modulation et Nouvelles Estimations

L'analyse est conduite entièrement dans l'espace des fréquences, reflétant la nature unidimensionnelle du problème radial. Les contributions techniques clés incluent :

• Nouvelles Estimations de type Strichartz : Les auteurs dérivent des estimations de comptage raffinées pour la fonction de résonance $\Omega(\vec{n}) = \lambda_{n_1}^2 - \lambda_{n_2}^2 + \lambda_{n_3}^2 - \lambda_{n_4}^2$ sur la boule. Ces estimations tiennent compte de la relation de dispersion perturbée $\lambda_n^2 = n^2 + \mu_n^2$ et des effets de bord.
• Bornes de Tenseur et d'Opérateur : Ils établissent des bornes déterministes et probabilistes pour les interactions multilinéaires (trilinéaires et quintiques). Crucialement, ils prouvent que les opérateurs de moyennage aléatoire permettent l'absorption des interactions hautes $\times$ basses les plus singulières, ne laissant que des termes qui peuvent être contrôlés de manière perturbative.
• Gestion de la Divergence Logarithmique : En combinant la transformation de gauge avec l'ansatz de moyennage aléatoire, les auteurs dérivent une estimation pour la différence de solutions $x_{N,M}(t)$ de la forme :
  $$x_{N,M}(t) \le C N^{-\delta} + C \int_0^t x_{N,M}(\tau) d\tau,$$
  qui ne présente pas la divergence logarithmique ($\log N$) présente dans l'estimation de [BB14]. Cela permet l'application de l'inégalité de Gronwall pour prouver la convergence.

3. Résultats Principaux

Théorème 1.2 (Bien-posée Locale Presque Sûre) :
Soit $\alpha > 15/16$. Il existe un ensemble mesurable $\Sigma_\alpha$ tel que $\mu_\alpha(\Sigma_\alpha) = 1$ de sorte que pour toute donnée initiale $\phi \in \Sigma_\alpha$, il existe un temps $T > 0$ pour lequel la séquence de solutions $(u_N)_{N \ge 1}$ de l'équation tronquée en fréquence (évoluant sous la pleine non-linéarité cubique) converge dans $L^\infty([-T, T]; H^{\alpha - 1/2 -}_{rad}(B^3))$ vers une limite unique $u$. Cette limite résout la NLS cubique au sens distributionnel.

Théorème 1.3 (Énoncé Quantitatif) :
La convergence est établie sur un intervalle de temps $[-\tau_R, \tau_R]$ avec $\tau_R = R^{-C_1}$, où la probabilité que les données initiales ne satisfont pas les bornes nécessaires est exponentiellement petite ($< C_1 e^{-c_1 R^{\delta_0}}$). La solution admet une décomposition $u = \psi_\infty + w_\infty$, où $\psi_\infty$ est la limite des termes gausiens colorés et $w_\infty$ est un reste plus régulier dans $C([-T, T]; H^{s_0}_{rad})$ pour un certain $s_0 > 1/2$.

4. Signification et Revendications

L'article affirme être une amélioration significative des résultats de Bourgain et Bulut [BB14] en trois dimensions.

• Régime Supercritique : Le résultat établit la bien-posée pour des données initiales ayant une régularité strictement inférieure à la régularité typique du support de la mesure de Gibbs (pour $\alpha < 1$), plaçant le problème dans un régime supercritique par rapport à la mise à l'échelle probabiliste de [DNY24a].
• Suppression du Projecteur : Contrairement à [BB14], qui nécessitait que la non-linéarité soit tronquée par $\Pi_N$ (une approximation de dimension finie), ce travail prouve la convergence pour la pleine équation cubique. La limite est montrée comme étant la même pour les approximations tronquées et complètes.
• Élimination de la Divergence Logarithmique : La principale réussite technique est l'élimination de la divergence $\log N$ dans les estimations de convergence. Cela est réalisé grâce à la combinaison novatrice de transformations de gauge (pour gérer les interactions hautes-haut-haut résonnantes) et d'opérateurs de moyennage aléatoire (pour gérer les interactions hautes-basses).
• Géométrie Radiale : Ce travail étend la théorie de la bien-posée probabiliste aux domaines bornés avec bord, spécifiquement la boule 3D, où les effets de bord et l'absence d'invariance par translation compliquent l'analyse par rapport au tore.

Les auteurs notent que la contrainte $\alpha > 15/16$ n'est pas optimale (ils conjecturent que $\alpha > 3/4$ est le véritable seuil), mais qu'elle est suffisante pour dépasser le seuil critique $\alpha=1$. Ils remarquent également que le cas des dimensions $d \ge 4$ reste hors de portée en raison de la criticité énergétique et des pertes de dérivées dans les estimations de Strichartz sur les sphères.

5. Conclusion

Ce travail fournit un cadre robuste pour traiter les solutions probabilistes de faible régularité pour la NLS sur des domaines bornés. En affinant l'analyse des interactions non linéaires par des transformations de gauge et le moyennage aléatoire, les auteurs naviguent avec succès dans le régime supercritique, offrant un résultat de convergence plus fort que ce qui était disponible précédemment pour la NLS radiale 3D. La méthodologie suggère une voie à suivre pour des problèmes similaires où le lissage dispersif standard est insuffisant.