Quantitative homogenization of convex Hamilton-Jacobi equations in the Wasserstein space

तकनीकी सारांश: वैसेरस्टीन स्पेस में उत्तल हैमिल्टन-जेकोबी समीकरणों का मात्रात्मक समरूपण (Quantitative Homogenization)

समस्या विवरण
यह शोध पत्र बोरेल प्रायिकता मापों (Borel probability measures) के वैसेरस्टीन स्पेस $P_2(\mathbb{R}^d)$ पर स्थित प्रथम-क्रम हैमिल्टन-जेकोबी (HJ) समीकरणों के स्पर्शोन्मुखी व्यवहार और मात्रात्मक अभिसरण दरों की जांच करता है। अध्ययन किया गया मुख्य समीकरण है:
$$\begin{cases} -\partial_t U^\varepsilon + \int_{\mathbb{R}^d} H\left(\frac{x}{\varepsilon}, x, D_m U^\varepsilon(t, m, x), m\right) m(dx) = 0, & (t, m) \in [0, T) \times P_2(\mathbb{R}^d), \\ U^\varepsilon(T, m) = G(m), & m \in P_2(\mathbb{R}^d), \end{cases}$$
जहाँ $H$ एक उत्तल हैमिल्टनियन (convex Hamiltonian) है जो $\varepsilon > 0$ के पैमाने पर तेज़ स्थानिक दोलनों (spatial oscillations) को $y = x/\varepsilon$ के माध्यम से प्रदर्शित करता है। समाधान $U^\varepsilon$ एक मीन फील्ड कंट्रोल समस्या के 'वैल्यू फंक्शन' का प्रतिनिधित्व करता है, जहाँ आबादी का एक बड़ा समूह एक विषम वातावरण में एक सामान्य लागत फलन (common cost functional) को न्यूनतम करता है।

लेखक हैमिल्टनियन $H(y, x, p, m)$ की निर्भरता के आधार पर दो अलग-अलग स्थितियों को संबोधित करते हैं:

1. गैर-बहुपैमाना सेटिंग (Assumption A1'): $H$ केवल तेज़ चर $y = x/\varepsilon$ और मोमेंटम $p$ पर निर्भर करता है, और मैक्रोस्कोपिक चर $x$ तथा माप $m$ से स्वतंत्र है।
2. बहुपैमाना सेटिंग (Assumption A1): $H$ तेज़ चर $y$, मैक्रोस्कोपिक चर $x$, मोमेंटम $p$, और माप $m$ पर निर्भर करता है।

लक्ष्य यह सिद्ध करना है कि जैसे-जैसे $\varepsilon \to 0$, $U^\varepsilon$ एक प्रभावी HJ समीकरण (effective HJ equation) के समाधान $U$ की ओर अभिसरित होता है, जिसमें एक समरूपित हैमिल्टनियन $\bar{H}$ होता है, और इस अभिसरण के लिए सटीक मात्रात्मक दरें स्थापित करना है।

कार्यप्रणाली (Methodology)
लेखक अनुकूलतम नियंत्रण सिद्धांत (optimal control theory), विस्कसिटी समाधान तकनीकों (viscosity solution techniques), और वैसेस्टरीन स्पेस के लिए विशेष रूप से तैयार की गई संभाव्य विधियों (probabilistic methods) के संयोजन का उपयोग करते हैं।

1. नियंत्रण प्रतिनिधित्व और नियंत्रण सेटों की तुल्यता:
   एक केंद्रीय तकनीकी बाधा $P_2(\mathbb{R}^d)$ में स्थानीय कॉम्पैक्टनेस (local compactness) का अभाव है, जो परिमित आयामों (finite dimensions) में उपयोग किए जाने वाले मानक 'डबलिंग-ऑफ-वेरियबल्स' तर्क को जटिल बनाता है। इसे दूर करने के लिए, लेखक पहले यह स्थापित करते हैं कि वैल्यू फंक्शन $U^\varepsilon$ विभिन्न स्वीकार्य नियंत्रणों के वर्गों के तहत अपरिवर्तित रहता है। वे मानक प्रोग्रेसिवली मेज़रेबल कंट्रोल्स $\mathcal{A}$ को बड़े सेट्स $\mathcal{A}_1$ (समय और फिल्ट्रेशन के सापेक्ष मेज़रेबल) और $\mathcal{A}_2$ (एक स्वतंत्र गौसियन रैंडम वेरिएबल के सापेक्ष मेज़रेबल) तक विस्तारित करते हैं। यह उन्हें स्टोकेस्टिक कंट्रोल समस्या को यादृच्छिक पथों $\gamma$ से जुड़े एक नियतात्मक ऑप्टिमल ट्रांसपोर्टेशन समस्या में पुनर्गठित करने की अनुमति देता है जो प्रारंभिक और अंतिम यादृच्छिक चरों $X$ और $Y$ को जोड़ते हैं।

2. लागत फलनों में न्यूनीकरण (Reduction to Cost Functions):
   नियंत्रण सेट्स की तुल्यता का लाभ उठाते हुए, लेखक $U^\varepsilon$ को एक रनिंग कॉस्ट फंक्शन $h^\varepsilon$ के संदर्भ में फिर से लिखते हैं, जो दोलनी लैग्रेंजियन (oscillatory Lagrangian) $L$ के साथ समय अंतराल में एक कण को $x$ से $y$ तक ले जाने के लिए आवश्यक न्यूनतम क्रिया का प्रतिनिधित्व करता है। विशेष रूप से, वे दिखाते हैं कि:
   $$U^\varepsilon(t, m) = \inf_{\nu \in P_2} \left( \inf_{(X,Y) \in E_{m,\nu}} \mathbb{E}[h^\varepsilon(t, T, X, Y)] + G(\nu) \right).$$
   यह न्यूनीकरण अनंत-आयामी सेटिंग में विकसित तकनीकों (विशेष रूप से ट्रान और यू द्वारा) को लागू करने की अनुमति देता है।

3. उप-योग्यता और अति-योग्यता (Subadditivity and Superadditivity):
   गैर-बहुपैमाना मामले के लिए, अभिसरण दर को कॉस्ट फंक्शन $h^\varepsilon$ के उप-योग्यता (subadditivity) और अति-योग्यता (superadditivity) गुणों का उपयोग करके प्राप्त किया जाता है। ये गुण, जो परिमित-आयामी परिणामों से विरासत में मिले हैं, एक औसत लागत $h$ के अस्तित्व को सुनिश्चित करते हैं और $O(\varepsilon)$ त्रुटि सीमा प्रदान करते हैं।

4. बहुपैमाना निर्भरता के लिए समय-विभाजन (Time-Partitioning):
   सामान्य बहुपैमाना मामले में (जहाँ $H$, $x$ और $m$ पर निर्भर करता है), लेखक धीमे चरों (slow variables) के कारण सीधे $O(\varepsilon)$ तर्क लागू नहीं कर सकते। इसके बजाय, वे समय अंतराल $[t, T]$ को $N$ उप-अंतरालों में विभाजित करते हैं। प्रत्येक उप-अंतराल पर, वे धीमे चरों ($x$ और $m$) को उनके प्रारंभिक मानों पर "फ्रीज" (freeze) कर देते हैं, जिससे समस्या स्थानीय रूप से गैर-बहुपैमाना मामले में बदल जाती है। फिर वे समरूपण त्रुटि ($O(\varepsilon)$) और फ्रीजिंग त्रुटि ($O(1/N)$) के बीच संतुलन बनाने के लिए $N$ विभाजनों को अनुकूलित करते हैं, जिसके परिणामस्वरूप $O(\sqrt{\varepsilon})$ की दर प्राप्त होती है।

5. सीमा की पहचान (Identification of the Limit):
   एक बार जब यूनिफॉर्म अभिसरण स्थापित हो जाता है, तो वे लिफ्टेड हिल्बर्ट स्पेस $L^2(\Omega; \mathbb{R}^d)$ में एक 'परटर्ब्ड टेस्ट फंक्शन' विधि (डबलिंग ऑफ वेरियबल्स) का उपयोग करके यह सत्यापित करते है कि सीमा $U$, प्रभावी समीकरण का अद्वितीय $L$-विस्कसिटी समाधान है। वैसेस्टरीन स्पेस में विस्कसिटी समाधानों की विशिष्टता (जिसे पूर्व साहित्य में स्थापित किया गया है) सीमा की पहचान सुनिश्चित करती है।

प्रमुख योगदान और परिणाम

• गैर-बहुपैमाना सेटिंग में इष्टतम दर (Theorem 1.1): धारणा (A1') के तहत, लेखक सिद्ध करते हैं कि $U^\varepsilon$, प्रभावी समीकरण के समाधान $U$ की ओर $O(\varepsilon)$ की दर से यूनिफॉर्म रूप से अभिसरित होता है। यह उन परिमित-आयामी उत्तल HJ समीकरणों के लिए ज्ञात इष्टतम दर से मेल खाता है जो केवल तेज़ चर और मोमेंटम पर निर्भर करते हैं।
• बहुपैमाना सेटिंग में मात्रात्मक दर (Theorem 1.2): सामान्य धारणा (A1) के तहत, जहाँ हैमिल्टनियन मैक्रोस्कोपिक चरों और माप पर निर्भर करता है, लेखक $O(\sqrt{\varepsilon})$ की अभिसरण दर स्थापित करते हैं। यह परिमित आयामों में बहुपैमाना समरूपण परिणामों को वैसेस्टरीन स्पेस में विस्तारित करता है।
• डायनेमिक ऑप्टिमल ट्रांसपोर्टेशन (Theorem 1.3): इन परिणामों को डायनेमिक ऑप्टिमल ट्रांसपोर्टेशन समस्याओं तक विस्तारित किया गया है जहाँ टर्मिनल स्थिति अंतिम वितरण पर एक प्रतिबंध लगाती है (अर्थात, यदि $m \neq \nu$ तो $G(m) = +\infty$)। लेखक ट्रांसपोर्ट कॉस्ट $U^\varepsilon_{ot}$ के लिए अभिसरण दर प्राप्त करते हैं, जो सरलीकृत मामले में $O(\varepsilon)$ और सामान्य मामले में $O(\sqrt{\varepsilon})$ दिखाती है, जिसमें प्रारंभिक और लक्षित मापों के बीच वैसेस्टरीन दूरी पर स्पष्ट निर्भरता है।
• प्रतिबंधित नियंत्रणों पर कोरोलरी (Corollary 1.5): यह शोध पत्र दर्शाता है कि गैर-परमाणु (non-atomic) प्रारंभिक मापों के लिए, वैल्यू फंक्शन अपरिवर्तित रहता है भले ही नियंत्रण सेट को प्रारंभिक अवस्था के $\sigma$-एल्जेब्रा के सापेक्ष मेज़रेबल कंट्रोल्स तक सीमित कर दिया जाए। यह शास्त्रीय HJ समीकरण (जब प्रारंभिक माप एक डिराक मास हो) के लिए परिमित-आयामी इष्टतम दर $O(\varepsilon)$ को पुनः प्राप्त करता है।

महत्व और दावे
लेखक दावा करते हैं कि यह कार्य वैसेस्टरीन स्पेस में हैमिल्टन-जेकोबी समीकरणों के लिए प्रथम मात्रात्मक अभिसरण परिणाम प्रदान करता है। जबकि अनंत-आयामी HJ समीकरणों और डायनेमिक ऑप्टिमल ट्रांसपोर्टेशन के लिए गुणात्मक समरूपण (दरों के बिना अभिसरण) का अध्ययन पहले किया जा चुका है (जैसे कि गैंग्बो और टोडोरास्कु द्वारा), यह शोध पत्र सटीक दरें स्थापित करता है।

विशेष रूप से, शोध पत्र यह दावा करता है कि:

1. यह परिमित आयामों के लिए उत्तल HJ समीकरणों के लिए इष्टतम $O(\varepsilon)$ अभिसरण दर को गैर-बहुपैमाना सेटिंग में अनंत-आयामी वैसेस्टरीन स्पेस तक विस्तारित करता है।
2. यह वैसेस्टरीन स्पेस में बहुपैमाना सेटिंग के लिए पहला मात्रात्मक विश्लेषण प्रदान करता है, जो $O(\sqrt{\varepsilon})$ की दर देता है।
3. कार्यप्रणाली सफलतापूर्वक वैसेस्टरीन स्पेस में स्थानीय कॉम्पैक्टनेस की कमी को दूर करती है, जो नियंत्रण रैंडमाइजेशन और तुल्य रूपों के उपयोग द्वारा संभव हुआ है—एक ऐसी तकनीक जिसे लेखक नोट करते हैं कि इसे 'इडियोसिंक्रेटिक' (idiosyncratic) या 'कॉमन नॉइज़' वाले प्रश्नों पर सीधे लागू नहीं किया जा सकता है।

यह शोध पत्र निष्कर्ष निकालता है कि ये परिणाम परिमित-आयामी समरूपण सिद्धांत और विषम वातावरणों में मीन फील्ड कंट्रोल/ऑप्टिमल ट्रांसपोर्टेशन समस्याओं के बीच के अंतर को पाटते हैं, जो बड़े परस्पर क्रिया करने वाले सिस्टम (interacting systems) के प्रभावी गतिकी के लिए एक कठोर आधार प्रदान करते हैं।