Sparsity and uniform regularity for regularised optimal transport

समस्या विवरण

यह शोध पत्र नियमित अनुकूलित परिवहन (Regularised Optimal Transport - ROT) समस्याओं के मिनिमाइज़र्स (minimisers) के गुणों की जांच करता है, जो विशेष रूप से उप-द्विघाती बहुपद पदों (sub-quadratic polynomial terms) या एंट्रोपिक पदों (entropic terms) द्वारा नियमित द्विघाती अनुकूलित परिवहन पर केंद्रित है। प्राथमिक उद्देश्य परिवहन-समान मानचित्र (transport-like map) और संबंधित विभवों (potentials) के लिए एक समान नियमितता अनुमान (uniform regularity estimates) स्थापित करना है जो नियमितीकरण पैरामीटर $\varepsilon$ से स्वतंत्र हों।

लेखक मौजूदा साहित्य के एक अंतराल को संबोधित करते हैं जहाँ नियमित परिवहन के लिए नियमितता परिणाम अक्सर $\varepsilon$ पर चर (exponentially dependent) होते हैं (जैसे, एंट्रोपिक सेटिंग में) या विशिष्ट मामलों जैसे कि द्विघाती नियमितीकरण ($p=2$) तक सीमित होते हैं। जबकि एंट्रोपिक नियमितीकरण अपनी सुगमता (smoothness) के लिए जाना जाता है, यह पूर्ण समर्थन (full support) से ग्रस्त है, जिससे संख्यात्मक अस्थिरता (numerical instabilities) उत्पन्न होती है। इसके विपरीत, उप-द्विघाती बहुपद नियमितीकरण ($p \in (1, 2]$) विरल समर्थन (sparse support) प्रदान करता है लेकिन इसमें $\varepsilon$ के संबंध में व्यापक विश्लेषणात्मक नियमितता सिद्धांत का अभाव है। यह शोध पत्र इस लक्ष्य के साथ है कि यह सिद्ध किया जाए कि इस धारणा के तहत कि अन-रेगुलराइज्ड (unregularised) परिवहन मानचित्र bi-$C^{1,\alpha}$-नियमित है, नियमित परिवहन-समान मानचित्र $T_\varepsilon$ और विभव $f_\varepsilon, g_\varepsilon$ आंतरिक लिप्सचिट्ज़ (interior Lipschitz) और उच्च-क्रम के अनुमानों को संतुष्ट करते हैं जो $\varepsilon \to 0$ होने पर भी सीमित रहते हैं।

कार्यप्रणाली

लेखक एक बहु-पैमाने वाले विश्लेषण दृष्टिकोण (multi-scale analysis approach) का उपयोग करते हैं, जो रूपांतरण योजनाओं (transport plans) के संरचनात्मक गुणों के साथ वेरिएशनल विधियों (variational methods) को जोड़ता है:

1. ऊर्जा निकटता और क्वासी-मिनिमलिटी (Energy Closeness and Quasi-Minimality): प्रमाण की शुरुआत यह स्थापित करने से होती है कि नियमित समस्या की ऊर्जा, अन-रेगुलराइज्ड द्विघाती परिवहन ऊर्जा के करीब है, जिसमें एक विशिष्ट अभिसरण दर $\varepsilon$ और आयाम $d$ पर निर्भर करती है। यह नियमित मिनिमाइज़र्स को द्विघाती परिवहन समस्या के क्वासी-मिनिमाइज़र के रूप में मानने की अनुमति देता है।
2. कैम्पानो पुनरावृत्ति (Campanato Iteration - बड़े पैमाने पर): बड़े पैमाने $R_c$ के लिए, लेखक अनुकूलित परिवहन के वेरिएशनल दृष्टिकोण से अनुकूलित एक कैम्पानो पुनरावृत्ति योजना का उपयोग करते हैं। यह नियमितता की जानकारी को अन-रेगुलराइज्ड समस्या से क्रिटिकल स्केल तक प्रसारित करता है।
3. क्रिटिकल स्केल विश्लेषण: एक महत्वपूर्ण घटक एक क्रिटिकल स्केल $R_c \approx \varepsilon^{\frac{2}{d(p-1)+2}}$ का व्युत्पन्न करना है। इस स्केल से नीचे, नियमितीकरण पद प्रभावी हो जाता है। लेखक $R_c$ से छोटे पैमानों पर परिवहन-समान मानचित्र $T_\varepsilon$ (जिसे परिवहन योजना के भारित माध्य के रूप में परिभाषित किया गया है) का विश्लेषण नियमितीकरण फलन $h$ के विशिष्ट गुणों का उपयोग करके करते हैं।
4. समर्थन सीमाएँ और एकतलता (Support Bounds and Monotonicity): एक केंद्रीय तकनीकी योगदान नियमित परिवहन योजना के समर्थन के आकार पर सटीक स्थानीय सीमाएँ प्राप्त करना है। यह एक सामान्य एकतलता सिद्धांत (चक्रीय एकतलता जिसे नियमित परिवहन के लिए अनुकूलित किया गया है) और स्थानीय $L^\infty$-सीमाओं पर निर्भर करता है। इन सीमाओं का उपयोग परिवहन योजना में "लंबे प्रक्षेप पथों" (long trajectories) को नियंत्रित करने के लिए किया जाता है, जो नियमितता अनुमानों के लिए आवश्यक है।
5. एफाइन अपरिवर्तनीयता (Affine Invariance): लेखक समस्या को सामान्य बनाने के लिए निर्देशांकों के एफाइन परिवर्तनों का उपयोग करते हैं, जिससे वे पूरे डोमेन में स्थानीय अनुमानों को समान रूप से लागू कर सकें।

प्रमुख योगदान और परिणाम

• समान नियमितता अनुमान (Uniform Regularity Estimates): मुख्य परिणाम (प्रमेय 3) स्थापित करता है कि यदि अन-रेगुलराइज्ड परिवहन मानचित्र $T$ bi-$C^{1,\alpha}$-नियमित है, तो नियमित परिवहन-समान मानचित्र $T_\varepsilon$ एक $\varepsilon$-स्वतंत्र आंतरिक लिप्सचिट्ज़ अनुमान को संतुष्ट करता है।
  • सख्ती से उप-द्विघाती नियमितीकरण ($p < 2$) के लिए, $T_\varepsilon$ को समान सीमाओं के साथ $C^1$ दिखाया गया है।
  • एंट्रोपिक नियमितीकरण ($p=1$) के लिए, विभवों को समान सीमाओं के साथ $C^2$ दिखाया गया है।
  • ये परिणाम सामान्य उत्तल (convex), सुपरलीनियर नियमितीकरण पदों के लिए मान्य हैं जो $h'(0)=0$ को संतुष्ट करते हैं।
• समर्थन विरलता और बायस सीमाएँ (Support Sparsity and Bias Bounds): यह शोध पत्र नियमित मिनिमाइज़र्स के समर्थन पर स्थानीय सीमाएँ व्युत्पन्न करता है (प्रमेय 6)। यह सिद्ध करता है कि $p > 1$ के लिए, परिवहन योजना का समर्थन विरल है, जिसमें अन-रेगुलराइज्ड परिवहन मानचित्र से विचलन $\varepsilon$ के फलन द्वारा सीमित है। विशेष रूप से, समर्थन का प्रसार $\varepsilon^{\frac{2}{d(p-1)+2}}$ के क्रम का है।
  • यह एक वैश्विक बायस सीमा (अनुवर्ती 8) की ओर ले जाता है जो दिखाता है कि $|y - T(x)|$ छोटा है जब तक कि $x$, समर्थन के किनारे के पास न हो।
  • लेखक ध्यान देते हैं कि एंट्रोपिक नियमितीकरण ($p=1$) के लिए, $h'(0) \neq 0$ है, और समर्थन पूर्ण है, जो ज्ञात परिणामों के अनुरूप है।
• अभिसरण परिणाम (Convergence Results): समान अनुमानों के परिणाम स्वरूप, यह शोध पत्र $C^{0,1-}_{loc}$ में परिवहन-समान मानचित्र के अन-रेगुलराइज्ड परिवहन मानचित्र में अभिसरण और $C^{1,1-}_{loc}$ में विभवों के अभिसरण को सिद्ध करता है (अनुवर्ती 5)।
• मौजूदा साहित्य में सुधार: लेखक दावा करते हैं कि उनके वैश्विक बायस बाउंड्स, द्विघाती नियमितीकरण ($p=2$) के लिए मौजूदा साहित्य ([35]) में पाए गए सर्वोत्तम-ज्ञात परिणामों में सुधार करते हैं।

महत्व और दावे

यह शोध पत्र दावा करता है कि इसके अनुमान नियमितीकरण पैरामीटर $\varepsilon$ में समान (uniform) हैं, जो कि नियमित अनुकूलित परिवहन के लिए साहित्य में सामान्यतः उपलब्ध नहीं है, विशेष रूप से उप-द्विघाती बहुपद नियमितीकरण के लिए। लेखक इस बात पर जोर देते हैं कि उनका दृष्टिकोण एंट्रोपिक और बहुपद नियमितीकरण दोनों के लिए एक एकीकृत ढांचा प्रदान करता है।

समर्थन आकार पर सटीक स्थानीय सीमाओं का व्युत्पन्न करना एक स्वतंत्र रुचि के परिणाम के रूप में प्रस्तुत किया गया है, क्योंकि यह वैश्विक बायस बाउंड्स को स्पष्ट करता है और नियमित और अन-रेगुलराइज्ड शासन के बीच संक्रमण को स्पष्ट करता है। लेखक विनम्रतापूर्वक नोट करते हैं कि हालांकि उनके वैश्विक बाउंड्स सभी शासनों में आवश्यक रूप से सटीक (sharp) नहीं हैं, फिर भी वे द्विघाती नियमितीकरण के लिए मौजूदा परिणामों में सुधार का प्रतिनिधित्व करते हैं। अभिसरण परिणामों को विशेष रूप से प्रासंगिक बताया गया है, जो $\varepsilon \to 0$ होने पर नियमित परिवहन योजनाओं की स्थिरता के लिए एक कठोर औचित्य प्रदान करते हैं।

यह कार्य इस धारणा पर आधारित है कि अन-रेगुलराइज्ड परिवहन मानचित्र bi-$C^{1,\alpha}$-नियमित है, एक ऐसी स्थिति जो उदाहरण के तौर पर, जब मापों (measures) के समर्थन उत्तल हों, संतुष्ट होती है (संदर्भ [6])। यह शोध पत्र नए संख्यात्मक एल्गोरिदम या प्रयोगात्मक सत्यापन का प्रस्ताव नहीं करता है बल्कि उन विश्लेषणात्मक आधारों पर ध्यान केंद्रित करता है जो नियमित अनुकूलित परिवहन विधियों की स्थिरता और अभिसरण को आधार प्रदान करते हैं।