Universal Central Limit Theorem for non-exchangeable interacting diffusions

Résumé Technique : Théorème de la Limite Centrale Universel pour les Diffusions Interactives Non-Échangeables

Énoncé du Problème
L'article étudie le comportement à grande échelle ($n \to \infty$) d'un système de $n$ diffusions interactives $(X^1, \dots, X^n)$ sur $\mathbb{R}^d$, régies par l'équation différentielle stochastique :
$$dX^i_t = \left( b_0(t, X^i_t) + \sum_{j=1}^n \xi_{ij} b(t, X^i_t, X^j_t) \right) dt + \sigma dB^i_t,$$
où $\xi = (\xi_{ij})$ est une matrice d'interaction déterministe à entrées non négatives et diagonale nulle. Bien que le régime de la « Loi des Grands Nombres » (propagation du chaos) pour de tels systèmes non échangeables ait été largement étudié, notamment la convergence de la mesure empirique vers une limite de McKean-Vlasov, le comportement des fluctuations autour de cette limite reste moins bien compris pour les structures d'interaction hétérogènes.

La question centrale abordée est de savoir si le champ de fluctuation globale, défini par $\eta^n_t := \sqrt{n}(\mu^n_t - \mu_t)$ (où $\mu^n_t$ est la mesure empirique et $\mu_t$ la limite déterministe), converge vers la même limite gaussienne que dans le cas classique de champ moyen échangeable (où $\xi_{ij} = 1/(n-1)$). Plus précisément, les auteurs cherchent à déterminer les conditions sur la matrice d'interaction $\xi$ sous lesquelles $\eta^n$ converge en distribution vers l'unique solution d'une équation aux dérivées partielles stochastiques (SPDE) linéaire.

Méthodologie
La preuve suit une stratégie « compacité-limite-unicité », menée principalement dans des espaces de Sobolev négatifs $H^{-k}$ pour traiter la nature distributionnelle du champ de fluctuation.

1. Compacité : Les auteurs établissent la compacité de la suite $(\eta^n)_{n \in \mathbb{N}}$ dans l'espace $C([0, T]; H^{-k})$. Ceci est réalisé par :

   • La preuve de la compacité des marges temporelles en utilisant l'analyse de Fourier et des bornes $H^1$ pondérées uniformes.
   • La vérification du critère d'Aldous pour la compacité dans l'espace des trajectoires.
   • Crucialement, les auteurs utilisent des estimations quantitatives aiguës de la propagation du chaos (issues de Shkolnikov [58]) combinées à des inégalités fonctionnelles (Poincaré et inégalités de transport) pour contrôler la variance du champ de fluctuation. Ils décomposent le second moment du couplage de la fluctuation en un terme de variance (contrôlé par les inégalités de Poincaré) et un terme de biais (contrôlé par l'entropie relative entre les lois des particules et la limite de McKean-Vlasov).

2. Convergence (Identification de la Limite) : Pour identifier tout sous-limite comme solution de la SPDE cible, les auteurs analysent la décomposition en semi-martingale de $\langle \eta^n_t, \phi \rangle$ pour des fonctions tests $\phi$.

   • La partie martingale converge vers un bruit gaussien caractérisé par la variation quadratique.
   • Le terme de dérive implique l'opérateur linéarisé de McKean-Volov. Un défi technique important surgit car les coefficients de la dérive sont bornés mais ne décroissent pas nécessairement à l'infini, tandis que la convergence de $\eta^n$ n'est que dans l'espace non pondéré $H^{-k}$.
   • Pour résoudre cela, les auteurs emploient un argument de coupure (cutoff) : ils localisent les fonctions tests sur des ensembles compacts où la convergence non pondérée est tenue, et contrôlent les queues de distribution à l'aide d'estimations de moments pondérés uniformes dérivées des propriétés du noyau de Bessel et des inégalités de transport.
   • Ils montrent que les termes d'erreur provenant de l'hétérogénéité de $\xi$ tendent vers zéro dans la limite sous les conditions de densité spécifiées.

3. Unicité : L'article prouve l'unicité par trajectoire de la SPDE limite. En considérant la différence $\delta_t = \eta_t - \eta'_t$ entre deux solutions pilotées par le même bruit, les termes de bruit s'annulent, laissant une équation déterministe linéaire. Les auteurs dérivent une inégalité d'énergie dans une norme de Sobolev négative pondérée et appliquent l'inégalité de Gronwall pour montrer que $\delta_t \equiv 0$.

Hypothèses et Conditions Clés
Le résultat principal est valable pour les matrices d'interaction $\xi$ satisfaisant l'Hypothèse 2.1, qui inclut :

• Sommes de lignes : $\sum_j \xi_{ij} = 1$ pour tout $i$.
• Sommes de colonnes : Sommes de colonnes bornées, avec la moyenne des carrés des sommes de colonnes convergeant vers 1.
• Seuil de Densité : Les entrées de la matrice doivent satisfaire une condition de décroissance spécifique. La condition la plus critique est que l'entrée maximale de $\xi$ soit de l'ordre de $o(n^{-1/2})$. Plus précisément, la condition $\frac{1}{n^{3/2}} (\sum_{i,j} |\tilde{\xi}_{ij}|) \max_{i,j} \xi_{ij} \to 0$ est requise, où $\tilde{\xi}$ capture l'écart par rapport au cas de champ moyen.
• Régularité : Les fonctions d'interaction $b_0$ et $b$ doivent avoir des dérivées bornées jusqu'à l'ordre $k+1$.

Résultats Principaux
L'article établit un Théorème de la Limite Centrale Universel (Théorème 2.4) :

• Sous les conditions de structure et de densité énoncées sur $\xi$, le champ de fluctuation $\eta^n$ converge en distribution dans $C([0, T]; H^{-k})$ vers un processus gaussien unique $\eta$.
• Cette limite $\eta$ est l'unique solution de la SPDE linéaire :
  $$\partial_t \eta_t = \frac{\sigma^2}{2} \Delta \eta_t - \nabla \cdot (b_0 \eta_t) - \nabla \cdot \left( \eta_t \int b(\cdot, y) \mu_t(dy) \right) - \nabla \cdot \left( \mu_t \int b(\cdot, y) \eta_t(dy) \right) - \sigma \nabla \cdot (\sqrt{\mu_t} \dot{W}),$$
  qui est identique à la limite de fluctuation dans le cas échangeable de champ moyen.
• Le résultat s'applique à :
  • Les matrices d'adjacence scalées de graphes $m_n$-réguliers où $m_n / \sqrt{n} \to \infty$.
  • Les graphes d'Erdős–Rényi $G(n, p_n)$ où $n p_n / \sqrt{n} \to \infty$ (dans le sens quenched).
  • Les modèles d'interaction spatiale dans le régime sous-critique ($\alpha < 1/2$).

Signification et Netteté (Sharpness)
L'article affirme que le seuil $n^{-1/2}$ pour l'entrée maximale de la matrice d'interaction est optimal (sharp).

• Dans le contexte des modèles d'interaction spatiale (où la force d'interaction décroît comme $|x_i - x_j|^{-\alpha}$), la condition $\max \xi_{ij} \sim n^{\alpha-1}$ implique que le seuil $n^{-1/2}$ correspond à $\alpha < 1/2$.
• Les auteurs notent que dans le régime supercritique ($\alpha > 1/2$), les fluctuations, lorsqu'elles sont rescalées par $\sqrt{n}$, divergent, et une mise à l'échelle différente ($n^{1-\alpha}$) conduit à une limite déterministe plutôt qu'à une limite gaussienne.
• L'universalité de la limite gaussienne est significative car elle démontre que, pourvu que le graphe d'interaction soit suffisamment dense (spécifiquement, que la force d'interaction ne soit pas trop concentrée sur une seule paire), l'hétérogénéité microscopique du réseau n'altère pas les statistiques de fluctuation macroscopiques ; le système se comporte comme s'il était entièrement échangeable.

Conclusion
Ce travail étend la théorie classique des fluctuations des diffusions interactives de champ moyen à une large classe de systèmes non échangeables. En combinant la propagation quantitative du chaos avec des inégalités fonctionnelles et une analyse rigoureuse dans des espaces de Sobolev pondérés, les auteurs prouvent que l'universalité de la limite de fluctuation gaussienne est vérifiée tant que la matrice d'interaction satisfait une condition de densité spécifique, laquelle est montrée comme étant optimale pour les modèles spatiaux.