🔢 mathematics

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

यह शोध पत्र ब्रैनियर पोटेंशियल (Brenier potentials) के हेसियन डिटरमिनेंट (Hessian determinant) पर मैक्सिमम प्रिंसिपल लागू करके विभिन्न डोमेन में 1 और 2 आयामों के लिए JKO स्कीम हेतु एरोंसन-बेनीलन/ली-याऊ (Aronson-Bénilan/Li-Yau) अनुमान स्थापित करता है, जिससे यूनिफॉर्म लोकल $L^\infty$ डेंसिटी बाउंड्स प्राप्त होते हैं और फास्ट-डिफ्यूजन केस के ऑप्टिमैलिटी कंडीशंस में एक अंतराल को कठोरता से भरा जाता है।

मूल लेखक: Coudreuse Fanch

प्रकाशित 2026-04-07

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Coudreuse Fanch

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि आप यह अनुमान लगाने की कोशिश कर रहे हैं कि कांच के गिलास में पानी के भीतर स्याही की एक बूंद कैसे फैलती है, या एक धातु की छड़ के माध्यम से ऊष्मा (heat) कैसे चलती है। वास्तविक दुनिया में, यह निरंतर होता है, हर सेकंड। लेकिन कंप्यूटर "निरंतर" समय को नहीं संभाल सकते; उन्हें समय को छोटे, अलग-अलग चरणों में बांटना पड़ता है।

यह शोध पत्र एक विशिष्ट कंप्यूटर एल्गोरिदम के बारे में है जिसे JKO स्कीम (इसके आविष्कारकों जॉर्डन, किंडरलेर और ओटो के नाम पर) कहा जाता है। JKO स्कीम को एक "चरण-दर-चरण सिम्युलेटर" के रूप में सोचें जो प्रसार (diffusion) की प्रक्रिया को दर्शाता है। प्रत्येक चरण पर, कंप्यूटर पूछता है: "अभी स्याही जहाँ है, उसे अगले स्थान पर जाने का सबसे कुशल तरीका क्या है?"

लेखक, फैंच कौड्रोज़ (Fanch Coudreuse) ने एक कठिन समस्या को हल किया है कि यह सिमुलेशन कितनी तेज़ी से "सुचारू" (smooth) और अनुमानित हो सकता है, विशेष रूप से कम आयामों (1D रेखाएं और 2D सपाट सतहें) और सरल आकृतियों (जैसे वर्ग या अनंत समतल) में।

यहाँ रोजमर्रा के उदाहरणों का उपयोग करके इसका विवरण दिया गया है:

1. "फैलने" के तीन प्रकार

यह शोध पत्र तीन अलग-अलग तरीकों से फैलने की बात करता है, जो इस बात पर निर्भर करता है कि पदार्थ कितना "गाढ़ा" या "पतला" है:

पोरस मीडियम (धीमा): जैसे स्पंज के माध्यम से फैलता हुआ शहद। यह धीरे चलता है और इसके किनारे तीखे हो सकते हैं (एक "फ्री बाउंड्री")।
हीट इक्वेशन (सामान्य): जैसे धातु की छड़ में ऊष्मा। यह तुरंत सुचारू हो जाता है।
फास्ट डिफ्यूजन (तेज़): जैसे वैक्यूम में फैलता हुआ गैस। यह बहुत तेज़ी से फैलता है।

जब पदार्थ "तेज़" या "धीमा" होने के चरम स्तर पर होता है, तो गणित जटिल हो जाता है। लेखक यह सिद्ध करना चाहते थे कि कंप्यूटर सिमुलेशन (JKO स्कीम) इन चरम मामलों में भी वास्तविक भौतिकी की तरह ही अच्छी तरह व्यवहार करता है।

2. "जादुई" अनुमान (Aronson-Bénilan / Li-Yau अनुमान)

वास्तविक दुनिया में, गणितज्ञों के पास एक प्रसिद्ध नियम (Aronson-Bénilan अनुमान) है जो एक सुरक्षा जाल (safety net) की तरह काम करता है। यह कहता है: "चाहे स्याही अभी कितनी भी अजीब क्यों न दिखे, यदि आप थोड़ा प्रतीक्षा करते हैं, तो स्याही का दबाव एक अनुमानित तरीके से सुचारू हो जाएगा।"

यह नियम महत्वपूर्ण है क्योंकि यह गारंटी देता है कि समाधान अनियंत्रित या अराजक नहीं होगा। यह गणितज्ञों को यह कहने की अनुमति देता है कि, "ठीक है, स्याही का घनत्व एक छोटे से बिंदु पर अनंत रूप से उच्च नहीं होगा।"

समस्या: क्या यह सुरक्षा जाल कंप्यूटर सिमुलेशन (JKO स्कीम) के लिए मौजूद है?
उत्तर: हाँ, लेकिन केवल तभी जब आप 1 या 2 आयामों में और सरल आकृतियों (जैसे एक वर्ग या टोरस/डोनट) पर काम कर रहे हों।

3. जासूसी कार्य: हेसियन (Hessian) और "ब्रिएर पोटेंशियल" (Brenier Potential)

इसे सिद्ध करने के लिए, लेखक ज्यामिति का उपयोग करके एक चतुर तकनीक का उपयोग करते हैं।

कल्पना कीजिए कि स्याही के "दबाव" को पहाड़ियों और घाटियों के परिदृश्य के रूप में देखा जा रहा है।
लेखक हेसियन (Hessian) को देखते हैं, जो गणितीय रूप से यह मापने का एक तरीका है कि वे पहाड़ियाँ और घाटियाँ कितनी घुमावदार हैं।
लक्ष्य यह सिद्ध करना है कि इस परिदृश्य की "वक्रता" (curvature) हमेशा पर्याप्त सकारात्मक (convex) होती है।

लेखक एक मैक्सिमम प्रिंसिपल (Maximum Principle) का उपयोग करते हैं। कल्पना कीजिए कि आप एक घाटी के सबसे निचले बिंदु (minimum) को खोज रहे हैं।

यदि सबसे निचला बिंदु खेत के बीच में है, तो आप वक्रता की जांच करने के लिए मानक कैलकुलस का उपयोग कर सकते हैं।
ट्विस्ट: क्या होगा यदि सबसे निचला बिंदु खेत के किनारे पर (वर्ग की सीमा पर) हो?
लेखक को यह सिद्ध करना पड़ा कि किनारे पर भी, "वक्रता" अच्छे से व्यवहार करती है। इसके लिए यह विश्लेषण करना आवश्यक था कि "ट्रांसपोर्ट मैप" (वह पथ जिससे स्याही गुजरती है) वर्ग की दीवारों से कैसे टकराता है। यह पाया गया कि एक वर्ग पर, स्याही कोनों और किनारों पर बहुत अनुमानित तरीके से व्यवहार करती है।

4. "एक-चरण" सुधार

इस प्रमाण का मूल एक "डोमिनो प्रभाव" है।

लेखक सिद्ध करते हैं कि यदि आप एक अच्छी आकृति से शुरू करते हैं, तो JKO स्कीम का एक एकल चरण आकृति को थोड़ा "अधिक उत्तल" (more convex/smoother) बनाता है।
वे इस चरण को बार-बार दोहराते हैं।
क्योंकि हर चरण के साथ आकृति थोड़ी बेहतर होती जाती है, वे ठीक से ट्रैक कर सकते हैं कि समय के साथ यह कितनी बेहतर होती है।

उन्होंने संख्याओं का एक अनुक्रम ( $X_k$ ) पाया है जो ठीक से बताता है कि चरण $k$ पर कितना "स्मूथिंग" होता है। जैसे-जैसे $k$ बहुत बड़ा होता जाता है (समय बीतता है), यह अनुक्रम ठीक उसी तरह व्यवहार करता है जैसे प्रसिद्ध वास्तविक-विश्व सूत्र।

5. "छोटे आयाम" और "सरल आकृतियाँ" क्यों?

आप सोच सकते हैं, "यह केवल 1D और 2D क्यों है? 3D क्यूब क्यों नहीं?"

उपमा: कल्पना कीजिए कि आप प्लेटों के ढेर को संतुलित करने की कोशिश कर रहे हैं। 1D (एक रेखा) या 2D (एक सपाट मेज) में, इसे सरल बीजगणित का उपयोग करके यह सिद्ध करना अपेक्षाकृत आसान है कि ढेर गिरेगा नहीं। 3D (एक ऊंचे टॉवर) या उच्च आयामों में, ज्यामिति इतनी जटिल हो जाती है कि इस शोध पत्र में उपयोग किए गए सरल बीजगणितीय तरीके विफल हो जाते हैं।
लेखक स्वीकार करते हैं कि इसे 3D या जटिल आकृतियों (जैसे किडनी बीन) तक विस्तारित करने के लिए पूरी तरह से नए विचारों की आवश्यकता होगी। फिलहाल, उन्होंने "सरल" मामलों के लिए कोड क्रैक कर लिया है।

6. बड़ा परिणाम (The Big Payoff)

यह क्यों मायने रखता है?

विश्वसनीयता: यह सिद्ध करता है कि कंप्यूटर सिमुलेशन मजबूत है। यदि आप सिमुलेशन चलाते हैं, तो आप भरोसा कर सकते हैं कि परिणाम बेतुकेपन में नहीं बदलेंगे, यहाँ तक कि कठिन "फास्ट डिफ्यूजन" समस्याओं के लिए भी।
गति: यह गणितज्ञों को यह सिद्ध करने में मदद करता है कि सिमुलेशन पहले की तुलना में अधिक तेज़ी से वास्तविक उत्तर की ओर बढ़ता है।
अंतराल को भरना: लेखक ने विशेष रूप से "फास्ट डिफ्यूजन" (जहाँ गणित अत्यंत जटिल है) के संबंध में साहित्य में एक कमी को भरा है, यह सिद्ध करते हुए कि सिमुलेशन तब भी काम करता है जब पदार्थ अविश्वसनीय रूप से तेज़ी से फैलता है।

सारांश

फैंच कौड्रोज़ ने दिखाया है कि 1D और 2D में सरल आकृतियों के लिए, फैलते हुए तरल पदार्थों का "चरण-दर-चरण" कंप्यूटर सिमुलेशन गणितीय रूप से सुदृढ़ है। सिमुलेशन को एक परिदृश्य (landscape) की तरह मानकर और यह सिद्ध करके कि "पहाड़ियाँ और घाटियाँ" हर चरण के साथ अधिक सुचारू होती जाती हैं, उन्होंने पुष्टि की कि सिमुलेशन वास्तविक दुनिया के समान मौलिक भौतिक नियमों का पालन करता है। यह सुनिश्चित करने की एक जीत है कि हमारे डिजिटल मॉडल भौतिक दुनिया के प्रति भरोसेमंद हैं।

यहाँ फेंच कौड्रोज़ (Fanch Coudreuse) के शोध पत्र "An Aronson-Bénilan / Li-Yau Estimate in the JKO Scheme in Small Dimension" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण और संदर्भ

JKO स्कीम:
यह शोध पत्र जोर्डन-किंडरलर-ओटो (JKO) स्कीम की जांच करता है, जो वासरस्टीन स्पेस ( $W_2$ ) में ग्रेडिएंट फ्लो (gradient flows) के सन्निकटन के लिए उपयोग की जाने वाली एक वेरिएशनल टाइम-डिसक्रेटाइजेशन विधि है। विशेष रूप से, यह पोरस-मीडियम (porous-medium), हीट (heat), और फास्ट-डिफ्यूजन (fast-diffusion) समीकरणों के सन्निकटन को संबोधित करता है:
$\partial_t \rho = \Delta \rho^m$
जहाँ $m > 0$ है। यह स्कीम निम्नलिखित मिनिमाइजेशन समस्या को दोहराती है:
$\rho_{k+1}^\tau \in \arg\min_{\eta \in \mathcal{P}_2(\Omega)} \left( E_m[\eta] + \frac{1}{2\tau} W_2^2(\eta, \rho_k^\tau) \right)$
जहाँ $E_m$ घातांक $m$ से संबंधित एंट्रॉपी फंक्शनल (entropy functional) है, और $\tau$ समय अंतराल (time step) है।

मुख्य चुनौती:
इन समीकरणों के निरंतर-समय (continuous-time) समाधानों का एक मौलिक गुण अरोंसन-बेनीलान (Aronson-Bénilan) / ली-याउ (Li-Yau) अनुमान है। प्रेशर वेरिएबल $p$ के लिए (जिसे $m \neq 1$ के लिए $p = \frac{m}{m-1}\rho^{m-1}$ और $m=1$ के लिए $p = \log \rho$ के रूप में परिभाषित किया गया है), निरंतर प्रवाह एक सब-हारमोनिक लोअर बाउंड (sub-harmonic lower bound) का पालन करता है:
$\Delta p \geq -\frac{\alpha_{d,m}}{t}, \quad \text{जहाँ } \alpha_{d,m} = \frac{d}{d(m-1)+2}$
यह अनुमान $L^1-L^\infty$ रेगुलाइजेशन प्रभावों को प्राप्त करने और फ्री बाउंड्रीज़ (free boundaries) के अध्ययन के लिए अत्यंत महत्वपूर्ण है।

अंतराल (The Gap):
यद्यपि JKO स्कीम के गुणात्मक गुणों को अच्छी तरह से समझा गया है, लेकिन समय अंतराल $\tau$ के संबंध में समान रूप से (uniformly) अरोंसन-बेनीलान बाउंड जैसे मात्रात्मक अनुमान प्राप्त करना कठिन रहा है। पिछले कार्यों (जैसे ली [30]) ने टॉरस (torus) पर हीट इक्वेशन ( $m=1$ ) के लिए ली-याउ-हैमिल्टन प्रकार के अनुमान स्थापित किए थे, लेकिन $m \neq 1$ , विशेष रूप से $m < 1$ के लिए, पोरस-मीडियम और फास्ट-डिफ्यूजन रिजीम के लिए एक सामान्य प्रमाण का अभाव था। इसके अतिरिक्त, फास्ट-डिफ्यूजन केस ( $m < 1$ ) एंट्रॉपी के नॉन-सुपर-लीनियर व्यवहार के कारण अस्तित्व (existence) और ऑप्टिमलिटी कंडीशंस के संबंध में विश्लेषणात्मक कठिनाइयाँ प्रस्तुत करता है।

2. कार्यप्रणाली (Methodology)

लेखक ब्रेनियर पोटेंशियल (Brenier potentials) के हेसियन (Hessian) के डिटरमिनेंट पर लागू होने वाले मैक्सिमम प्रिंसिपल्स (maximum principles) पर आधारित एक रणनीति का उपयोग करते हैं। कार्यप्रणाली कई चरणों में आगे बढ़ती है:

A. एक-चरणीय विश्लेषण (One-Step Problem) (रिजीम $m < 1$ )

शोध पत्र पहले फास्ट-डिफ्यूजन रिजीम ( $m < 1$ ) के संबंध में साहित्य के एक अंतराल को कठोरता से भरता है:

अस्तित्व और विशिष्टता (Existence and Uniqueness): यह सुनिश्चित करता है कि यदि डोमेन "वॉल्यूम-रेगुलर" है, तो एक-चरणीय JKO समस्या के मिनिमाइज़र का अस्तित्व और विशिष्टता बनी रहती है।
ऑप्टिमलिटी कंडीशंस: यह मिनिमाइज़र्स के यूलर-लैग्रेंज (Euler-Lagrange) समीकरणों को व्युत्पन्न करता है। महत्वपूर्ण रूप से, यह सिद्ध करता है कि $m < 1$ के लिए, मिनिमाइज़र्स एब्सोल्यूटली कंटीन्यूअस (कोई सिंगुलर भाग नहीं) हैं और लगभग हर जगह (almost everywhere) स्ट्रिक्टली पॉजिटिव हैं। यह स्थिति को व्युत्पन्न करने की अनुमति देता है:
$\tau f_m'(\rho) + \frac{1}{2}|x|^2 = \text{कॉन्वेक्स फंक्शन}$
जहाँ $f_m'$ एंट्रॉपी डेंसिटी का डेरिवेटिव है।

B. मोंगे-एम्पेयर (Monge-Ampère) बाउंड्स का एक-चरणीय सुधार

मुख्य तकनीकी नवाचार एक एक-चरणीय सुधार लेम्मा (one-step improvement lemma) (थ्योरम 4.1) है।

सेटअप: मान लीजिए $u = \tau f_m'(\rho) + \frac{1}{2}|x|^2$ है। लेखक मोंगे-एम्पेयर मेजर पर एक लोअर बाउंड मानते हैं: $\det(D^2 u)^{1/d} \geq \lambda$ ।
तंत्र (Mechanism): डिटरमिनेंट के न्यूनतम बिंदु पर मोंगे-एम्पेयर समीकरण का विश्लेषण करके, लेखक चरण $k+1$ और चरण $k$ के बीच संबंध स्थापित करने वाला एक बीजगणितीय असमानता (algebraic inequality) व्युत्पन्न करते हैं।
आयामी प्रतिबंध (Dimensional Restriction): यह बीजगणितीय असमानता हेसियन के ट्रेस (trace) और डिटरमिनेंट के बीच संबंध पर निर्भर करती है। विशेष रूप से, प्रमाण $\text{Tr}(A^{-1}) = \frac{\text{Tr}(A)}{\det(A)}$ की पहचान का उपयोग करता है, जो विशेष रूप से आयाम $d=1$ और $d=2$ के लिए मान्य है।
बाउंडरी हैंडलिंग: सरल डोमेन (क्यूब्स, टॉरस) के लिए, लेखक सीमा (boundary) पर ऑप्टिमल ट्रांसपोर्ट मैप के व्यवहार का विश्लेषण करते हैं। रिफ्लेक्शन आर्गुमेंट्स और क्यूब्स की विशिष्ट ज्यामिति का उपयोग करते हुए, वे दिखाते हैं कि डिटरमिनेंट का ग्रेडिएंट बाउंड्री मिनिमा पर शून्य हो जाता है, जिससे इंटीरियर मैक्सिमम प्रिंसिपल आर्गुमेंट्स को बाउंड्री तक विस्तारित करने की अनुमति मिलती है।

C. पुनरावृत्ति योजना और एसिम्प्टोटिक्स (Iterative Scheme and Asymptotics)

अनुक्रम निर्माण: एक-चरणीय सुधार को एक अनुक्रम $(X_k)_{k \geq 1} \in [0, 1]$ को परिभाषित करने के लिए दोहराया जाता है ताकि:
$\det(D^2 u_k)^{1/d} \geq 1 - X_k$
एसिम्प्टोटिक विश्लेषण: $X_k$ को इस तरह दिखाया गया है कि $X_k \sim \frac{1}{\alpha_{d,m} k}$ के रूप में घटता है।
निरंतर अनुमान की प्राप्ति: डिस्क्रीट स्टेप $k$ को निरंतर समय $t \approx k\tau$ से जोड़कर, डिस्क्रीट बाउंड $\tau \to 0$ होने पर निरंतर अरोंसन-बेनीलान अनुमान की ओर अभिसरित (converge) होती है।

3. मुख्य योगदान

प्रथम डिस्क्रीट अरोंसन-बेनीलान अनुमान: यह शोध पत्र पोरस-मीडियम ( $m>1$ ) और फास्ट-डिफ्यूजन ( $0<m<1$ ) रिजीम में JKO स्कीम के लिए पहला अरोंसन-बेनीलान / ली-याउ प्रकार का अनुमान प्रदान करता है।
फास्ट-डिफ्यूजन रेगुलैरिटी का समाधान: यह $m < 1$ के लिए JKO स्कीम के अस्तित्व, विशिष्टता और एब्सोल्यूट कंटीन्युटी को कठोरता से स्थापित करता है, जो कि एक ऐसा मामला है जिसे एंट्रॉपी की स्ट्रिक्ट कॉन्वेक्सिटी की कमी के कारण पहले पूरी तरह से नहीं लिया गया था।
आयामी प्रतिबंध रणनीति: यह हेसियन के डिटरमिनेंट का उपयोग करने वाला एक नया बीजगणितीय दृष्टिकोण पेश करता है, जो वर्तमान में आयाम $d=1$ और $d=2$ तक सीमित है। यह नए विचारों के बिना उच्च आयामों में इन अनुमानों को विस्तारित करने में एक विशिष्ट बीजगणितीय बाधा को रेखांकित करता है।
समान $L^\infty$ बाउंड्स: इसके प्रत्यक्ष परिणाम के रूप में, यह पेपर $\rho_k^\tau$ पर स्थानीय $L^\infty$ बाउंड्स प्राप्त करता है जो समय अंतराल $\tau$ के संबंध में समान (uniform) हैं, जो निरंतर-समय के रेगुलाइजेशन प्रभावों के अनुरूप है।

4. मुख्य परिणाम

थ्योरम 1.1 (JKO स्कीम में अरोंसन-बेनीलान):
आयाम $d=1, 2$ और डोमेन $\Omega \in \{\text{Torus, Cube, Quarter-space, Half-space, Whole space}\}$ के लिए, यदि $\rho_k^\tau$ JKO इटरेट्स हैं। डिस्क्रीट प्रेशर पोटेंशियल $u_k^\tau = \tau f_m'(\rho_k^\tau) + \frac{1}{2}|x|^2$ को परिभाषित करें। तब:

$u_k^\tau$ कॉन्वेक्स है।
एक अनुक्रम $(X_k) \subset [0, 1]$ मौजूद है जो केवल $m$ और $d$ पर निर्भर करता है, ताकि:
$\det(D^2 u_k^\tau)^{1/d} \geq 1 - X_k$
मोंगे-एम्पेयर मेजर के अर्थ में।
अनुक्रम का एसिम्प्टोटिक व्यवहार $X_k \sim \frac{1}{(d(m-1)+2)k}$ है।

कोरोलरी 1.2 (लोकल यूनिफॉर्म $L^\infty$ बाउंड्स):
किसी भी छोटे बॉल $B_r \subset \Omega$ के लिए, एक स्थिरांक $M$ (जो $\tau$ से स्वतंत्र है) मौजूद है ताकि $t \geq t_0$ के लिए:
$\|\rho_k^\tau\|_{L^\infty(B_r)} \leq M$
यह पुष्टि करता है कि JKO स्कीम निरंतर समीकरणों के तात्कालिक स्मूथिंग गुणों को बनाए रखती है।

थ्योरम 5.1 (एसिम्प्टोटिक कन्वर्जेंस):
जैसे-जैसे $\tau \to 0$ और $k\tau \to t$ , डिस्क्रीट अनुमान शास्त्रीय अरोंसन-बेनीलान अनुमान की ओर अभिसरित होता है:
$\Delta f_m'(\rho_t) \geq -\frac{d}{d(m-1)+2} \frac{1}{t}$

5. महत्व और सीमाएँ

महत्व:

JKO की मजबूती: यह परिणाम दर्शाता है कि JKO स्कीम केवल एक कन्वर्जेंस टूल नहीं है, बल्कि यह अंतर्निहित PDEs के गहरे गुणात्मक और मात्रात्मक रेगुलरिटी गुणों को भी सुरक्षित रखती है।
रेगुलरिटी थ्योरी: यह निरंतर-समय PDE तकनीकों पर निर्भर किए बिना डिस्क्रीट एप्रोक्सिमेशन्स के लिए $L^\infty$ बाउंड्स और रेगुलरिटी प्राप्त करने का एक नया मार्ग प्रदान करता है।
साहित्य का अंतराल: यह फास्ट-डिफ्यूजन केस के लिए JKO फ्रेमवर्क के सैद्धांतिक आधार को हल करता है, जो इन समीकरणों के संख्यात्मक विश्लेषण और सैद्धांतिक अध्ययन के लिए आवश्यक है।

सीमाएँ:

आयामीता (Dimensionality): प्रमाण सख्ती से आयाम 1 और 2 तक सीमित है। ट्रेस के माध्यम से डिटरमिनेंट को नियंत्रित करने के लिए उपयोग की जाने वाली बीजगणितीय असमानता उच्च आयामों में विफल हो जाती है (जहाँ बड़े ट्रेस लेकिन छोटे डिटरमिनेंट वाली मैट्रिसेस बनाई जा सकती हैं)। इसे $d \geq 3$ तक विस्तारित करना एक खुला प्रश्न बना हुआ है।
डोमेन ज्योमेट्री: प्रमाण क्यूब्स और टॉरस जैसे सरल डोमेन के विशिष्ट बाउंड्री व्यवहार (कोने और चेहरे) पर निर्भर करता है। घुमावदार सीमाओं वाले सामान्य उत्तल (convex) डोमेन तक इसे विस्तारित करने के लिए बाउंड्री मैक्सिमा को संभालने के लिए नई तकनीकों की आवश्यकता होगी।

संक्षेप में, यह शोध पत्र JKO स्कीम के कठोर विश्लेषण में एक महत्वपूर्ण प्रगति का प्रतिनिधित्व करता है, जो कम आयामों में डिफ्यूजन समीकरणों के एक विस्तृत वर्ग के लिए डिस्क्रीट वेरिएशनल स्कीम्स और निरंतर रेगुलरिटी अनुमानों के बीच के अंतर को सफलतापूर्वक पाटता है।