🔢 mathematics

Capacitary estimates for solutions to nonlocal Dirichlet problems

यह शोध पत्र यह स्थापित करता है कि एक क्षमता घनत्व (capacity density) की स्थिति, परिबद्ध मापन योग्य गुणांकों वाले गैर-स्थानीय गैर-रैखिक दीर्घवृत्तीय समीकरणों (nonlocal nonlinear elliptic equations) के दुर्बल समाधानों (weak solutions) के लिए समान सीमा होल्डर नियमितता (uniform boundary Hölder regularity) के समतुल्य है, जबकि साथ ही सूक्ष्म क्षमता अनुमान (fine capacitary estimates) भी प्राप्त करता है जो यह परिमाणित करते हैं कि बाह्य डेटा में होल्डर निरंतरता समाधान द्वारा किस प्रकार विरासत में ली जाती है।

मूल लेखक: Minhyun Kim, Se-Chan Lee, Marvin Weidner

प्रकाशित 2026-08-11

📖 10 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Minhyun Kim, Se-Chan Lee, Marvin Weidner

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 एक कमरे को गर्म रखने की कोशिश कर रहे हैं। आपके पास बीच में एक हीटर है, लेकिन दीवारें लीक हो रही हैं, और बाहर का तापमान जमा देने वाला है। गणित की दुनिया में, यह एक "समीकरण" (equation) को हल करने जैसा है जो यह बताता है कि कैसे गर्मी (या बिजली, या तरल पदार्थ) एक स्थान में फैलती है। लंबे समय से, गणितज्ञों को यह पता था कि वे कमरे के अंदर के तापमान की सटीक भविष्यवाणी कैसे करें, बशर्ते दीवारें चिकनी और ठोस हों। लेकिन ठीक उस किनारे पर क्या होता है, जहाँ दीवार ठंडी बाहरी दुनिया से मिलती है? क्या तापमान सुचारू रूप से बदलता है, या इसमें अचानक उछाल आता है?

यह प्रश्न तब और भी पेचीदा हो जाता है जब "दीवारें" केवल ईंटों की ठोस संरचना नहीं होतीं, बल्कि कुछ अजीब और धब्बेदार चीज़ों से बनी होती हैं, या जब गर्मी केवल अपने निकटतम पड़ोसी तक नहीं बहती बल्कि कमरे के दूसरे छोर तक "कूद" (jump) सकती है। यह नॉनलोकल इक्वेशंस (nonlocal equations) का क्षेत्र है। इसे एक 'टेलीफोन गेम' की तरह समझें जहाँ आप न केवल अपने बगल वाले व्यक्ति को, बल्कि तीन लोगों दूर बैठे व्यक्ति को भी फुसफुसाकर बात पहुँचा सकते हैं। यहाँ गणित जटिल हो जाता है क्योंकि किसी बिंदु का "पड़ोस" केवल उसका तत्काल परिवेश नहीं है; बल्कि वह पूरा ब्रह्मांड है। बड़ा सवाल यह है: "यदि हम जानते हैं कि कमरे के बाहर तापमान कैसा व्यवहार कर रहा है, तो क्या हम गारंटी दे सकते हैं कि दीवार के ठीक किनारे पर भी इसका व्यवहार अच्छा रहेगा?" उत्तर पूरी तरह से इस पर निर्भर करता है कि उस विशिष्ट बिंदु पर दीवार कितनी "मोटी" या "ठोस" है।

इस शोध पत्र में, मिन्ह्युन किम, से-चान ली और मार्विन वेइडनर एक बहुत ही अजीब, लीक होने वाली इमारत के किनारों का निरीक्षण करने वाले मास्टर आर्किटेक्ट्स की तरह कार्य करते हैं। वे एक विशिष्ट प्रकार की गणितीय समस्या का अध्ययन कर रहे हैं जिसे नॉनलोकल डिरिचलेट समस्या (nonlocal Dirichlet problem) कहा जाता है। उनकी खोज को समझने के लिए, आइए उन निर्माण खंडों को समझें जिनके साथ वे काम कर रहे हैं।

सबसे पहले, कल्पना करें कि इमारत एक आकार है जिसे $\Omega$ (ओमेगा) कहा जाता है। "आंतरिक" हिस्सा कमरा है, और "बाहरी" हिस्सा कमरे के बाहर की सब कुछ है। गणितज्ञ कमरे के अंदर एक फलन (function) $u$ (जैसे कि एक तापमान मानचित्र) देख रहे हैं जो कूदने (नॉनलोकल भाग) से जुड़े एक जटिल नियम का पालन करता है। यह नियम कहता है कि $u$ का मान किसी भी बिंदु पर, अन्य सभी बिंदुओं के मानों पर निर्भर करता है, जो इस बात पर आधारित है कि वे कितने दूर हैं।

बड़ा रहस्य जिसका वे समाधान करते हैं, वह है बाउंड्री रेगुलैरिटी (boundary regularity)। सरल शब्दों में: यदि इमारत के बाहर का तापमान चिकना और अनुमानित है (गणितीय रूप से, "होल्डर कंटीन्यूअस" - Hölder continuous), तो क्या इमारत के अंदर का तापमान भी दीवार तक पहुँचते-पहुँचते चिकना और अनुमानित रहेगा? या क्या दीवार इतनी ऊबड़-खाबड़ या छिद्रपूर्ण होगी कि चिकनापन टूट जाएगा?

लंबे समय से, गणितज्ञों को पता था कि यदि दीवार साधारण आयतन (जैसे कि एक ठोस ईंट की दीवार) के मामले में "काफी मोटी" थी, तो चिकनापन बना रहेगा। लेकिन उन्हें संदेह था कि आयतन ही पूरी कहानी नहीं है। एक दीवार में छोटे-छोटे छेद हो सकते हैं जो बहुत कम जगह घेरते हैं, फिर भी वे चिकनापन को बिगाड़ सकते हैं। उन्हें "मोटाई" को मापने का एक बेहतर तरीका चाहिए था। यहीं पर कैपेसिटी (capacity) काम आती है। आयतन (कितनी जगह घेरी है) को मापने के बजाय, कैपेसिटी यह मापती है कि किसी चीज़ को दीवार के माध्यम से धकेलना कितना "कठिन" है। यह एक अधिक संवेदनशील पैमाना है।

लेखक इस "कैपेसिटी मोटाई" और समाधान के चिकनापन के बीच एक आश्चर्यजनक रूप से सटीक संबंध सिद्ध करते हैं। वे दिखाते हैं कि किनारे पर समाधान का चिकनापन ठीक वही है जो एक स्थिति है जिसे कैपेसिटी डेंसिटी कंडीशन (Capacity Density Condition - CDC) कहा जाता है।

उनकी खोज के मूल को एक रूपक के माध्यम से समझाया गया है:

कल्पना कीजिए कि आपकी इमारत की सीमा एक बाड़ (fence) है। आप जानना चाहते हैं कि क्या बाहर के मौसम की "चिकनाहट" बाड़ के माध्यम से अंदर आ सकती है।

पुराना दृष्टिकोण: यदि बाड़ ज्यादातर लकड़ी की है (उच्च आयतन), तो मौसम सुचारू रूप से अंदर आता है।
नया दृष्टिकोण (यह शोध पत्र): इससे कोई फर्क नहीं पड़ता कि बाड़ में कितनी लकड़ी है; मायने यह रखता है कि क्या वहाँ पर्याप्त ठोस खंभे हैं जो हवा को बहुत आसानी से अंदर आने से रोक सकें। लेखक इस "खंभों के घनत्व" को मापने के लिए एक विशिष्ट माप $\Theta_{x_0}(r)$ को परिभाषित करते हैं।

उनका मुख्य परिणाम, थ्योरम 1.1 (Theorem 1.1), एक पूर्ण "यदि और केवल यदि" संबंध बताता है:

यदि बाड़ में एक विशिष्ट बिंदु $x_0$ पर पर्याप्त घनत्व वाले खंभे हैं (CDC का पालन करती है), तो बाहर के मौसम की चिकनाहट अंदर के तापमान द्वारा पूरी तरह से विरासत में ली जाएगी, ठीक उस बिंदु तक। तापमान में कोई उछाल नहीं आएगा; यह धीरे-धीरे और सुचारू रूप से प्रवेश करेगा।
यदि बाड़ बहुत अधिक छिद्रपूर्ण है (CDC में विफल रहती है), तो आप यह गारंटी नहीं दे सकते कि चिकनापन बना रहेगा। भले ही बाहर का वातावरण पूरी तरह शांत हो, समाधान अजीब व्यवहार कर सकता है।

यह एक बड़ी उपलब्धि है क्योंकि पिछले कार्यों ने केवल "पर्याप्त" स्थितियाँ दी थीं (यदि दीवार मोटी है, तो यह अच्छा है)। यह शोध पत्र कहता है, "यह सटीक स्थिति है। न इससे अधिक, न इससे कम।"

लेकिन लेखकों ने केवल "हाँ या ना" पर ही नहीं रोका। वे एक दूसरे, अधिक सूक्ष्म प्रश्न का उत्तर देने के लिए और गहराई में गए: यदि दीवार पूरी तरह से ठोस नहीं है, तो कितनी "चिकनाहट" विरासत में मिलती है?

थ्योरम 1.2 में, वे एक सूत्र प्रदान करते हैं जो एक "चिकनापन कैलकुलेटर" की तरह कार्य करता है। वे दिखाते हैं कि समाधान कितनी तेजी से चिकना होता है, यह दो चीजों पर निर्भर करता है:

बाहर का डेटा कितना चिकना है (इसे $L$ गति मान लें)।
सीमा पर कैपेसिटी कितनी घनी है (इसे $\theta_0$ शक्ति मान लें)।

परिणाम एक दौड़ की तरह है। यदि दीवार बहुत मजबूत है (उच्च $\theta_0$ ), तो समाधान बाहरी डेटा की पूरी चिकनाहट को विरासत में लेता है। लेकिन यदि दीवार कमजोर है, तो समाधान केवल उस चिकनाहट का एक अंश ही प्राप्त कर पाएगा। शोध पत्र एक सटीक सूत्र देता है जो दिखाता है कि "चिकनापन घातांक" (smoothness exponent - तापमान कितनी तेजी से बदलता है) या तो बाहरी चिकनाहट या दीवार की कैपेसिटी डेंसिटी द्वारा निर्धारित मान, में से जो भी छोटा हो, उससे सीमित होता है। यह ऐसा है जैसे कहना, "आप केवल उतनी ही तेज दौड़ सकते हैं जितनी आपकी सबसे कमजोर टांग अनुमति देती है।"

शायद इस शोध पत्र का सबसे रोमांचक हिस्सा थ्योरम 1.4 है, जिसे वे "वीनर मोडulus ऑफ कंटीन्यूटी" (Wiener modulus of continuity) कहते हैं। यह एक फैंसी तरीका है यह कहने का कि उन्होंने एक सूत्र खोजा है जो बिल्कुल भविष्यवाणी करता है कि समाधान कैसा व्यवहार करेगा, यहाँ तक कि उन सबसे खराब स्थितियों में भी जहाँ दीवार अत्यंत अनियमित है या बाहरी डेटा मुश्किल से निरंतर (continuous) है।

इसे एक "लीक डिटेक्टर" के रूप में सोचें। यह सूत्र कैपेसिटी डेंसिटी $\Theta_{x_0}(r)$ के एक इंटीग्रल (छोटे टुकड़ों का योग) को शामिल करता है।

यदि आप इन छोटे कैपेसिटी टुकड़ों को जोड़ते हैं और कुल योग अनंत (प्रसिद्ध वीनर मानदंड/Wiener criterion) आता है, तो समाधान की निरंतरता की गारंटी है। यह ऐसा है जैसे कहना, "यदि बाड़ में हवा के प्रति अनंत प्रतिरोध है, तो हवा अंदर नहीं आ सकती।"
यदि योग सीमित (finite) है, तो समाधान निरंतर नहीं हो सकता है।

लेखक सिद्ध करते हैं कि यह सूत्र केवल एक मोटा अनुमान नहीं है; यह एक सटीक ऊपरी सीमा (upper bound) है। वे दिखाते हैं कि दूरी $r$ पर आंतरिक तापमान और बाहरी तापमान के बीच का अंतर इस कैपेसिटी योग से जुड़े एक एक्सपोनेंशियल डिके (exponential decay) टर्म द्वारा नियंत्रित होता है। इसका अर्थ है कि भले ही दीवार अजीब हो, जब तक आप दीवार की "कैपेसिटी प्रोफाइल" जानते हैं, आप गणना कर सकते हैं कि समाधान कितना उतार-चढ़ाव करेगा।

इसे ठोस बनाने के लिए, कल्पना कीजिए कि आप एक दीवार पर पेंट कर रहे हैं।

बाहरी डेटा ( $g$ ) बाहर लगाए जा रहे पेंट का रंग है।
समाधान ( $u$ ) अंदर की दीवार का रंग है।
कैपेसिटी डेंसिटी ( $\Theta$ ) दीवार की छिद्रपूर्ण प्रकृति है।

यदि दीवार एक ठोस ईंट है (उच्च कैपेसिटी डेंसिटी), तो अंदर का रंग बाहर के रंग से पूरी तरह मेल खाता है। यदि दीवार एक छलनी की तरह है (कम कैपेसिटी डेंसीटी), तो अंदर का रंग एक गंदा मिश्रण हो सकता है, या यह बिल्कुल भी मेल नहीं खा सकता। लेखकों का सूत्र आपको ठीक से बताता है कि दीवार कितनी "छलनी जैसी" होने के आधार पर अंदर का रंग कितना "गंदा" होगा।

उनके कार्य का सबसे चतुर हिस्सा यह है कि वे "नॉनलोकल" प्रकृति को कैसे संभालते हैं। मानक भौतिकी में, गर्मी केवल निकटतम पड़ोसी तक बहती है। इस गणित में, गर्मी कूदती है। यह एक "टेल" (tail) प्रभाव पैदा करता है, जहाँ कमरे के दूर के हिस्से किनारे को प्रभावित करते हैं। लेखकों को इन लंबी दूरी की छलांगों को प्रबंधित करने के लिए एक नया तरीका विकसित करना पड़ा। उन्होंने एक "टेल लेम्मा" (Lemma 4.2) बनाया जो एक फिल्टर की तरह कार्य करता है, यह सुनिश्चित करता है कि दूर के बिंदुओं का प्रभाव गणना को अनियंत्रित न कर दे। इसने उन्हें बहुत व्यापक श्रेणी के समीकरणों के लिए अपने परिणामों को सिद्ध करने की अनुमति दी, जिसमें नॉन-लीनियर (जहाँ नियम तापमान के आधार पर बदलते हैं) समीकरण भी शामिल हैं, जो पहले इस स्तर की सटीकता के साथ नहीं किया गया था।

उन्होंने यह भी पता लगाया कि यदि वे समीकरण के मूलभूत मापदंडों, जैसे "कूद का आकार" ( $s$ ) या "शक्ति" ( $p$ ), में बदलाव करते हैं, तो ये नियम कैसे बदलते हैं। थ्योरम 1.6 एक दिलचस्प पदानुक्रम प्रकट करता है: इन मापदंडों को बदलने से यह बदल जाता है कि क्या "मोटी दीवार" माना जाएगा। एक प्रकार के समीकरण के लिए पर्याप्त मोटी दीवार दूसरे प्रकार के लिए बहुत पतली हो सकती है। उन्होंने ठीक से मानचित्रित किया कि मापदंडों के कौन से संयोजन "मोटी दीवार" की शर्त को पूरा करना आसान या कठिन बनाते हैं।

संक्षेप में, यह शोध पत्र नॉनलोकल इक्वेशंस में सीमा व्यवहार (boundary behavior) के लिए अंतिम नियम पुस्तिका प्रदान करता है। यह "मोटी दीवारों" के अस्पष्ट विचारों को एक सटीक, मापने योग्य "कैपेसिटी डेंसिटी" से बदल देता है। यह हमें बताता है कि समाधान कब चिकना होगा, वह कितना चिकना होगा, और सबसे अराजक, अनियमित ज्यामिति में भी इसके व्यवहार की भविष्यवाणी करने के लिए एक सूत्र देता है। यह जटिल आकारों की बिखरी हुई, ऊबड़-खाबड़ वास्तविकता और चिकने गणितीय फलनों की स्वच्छ, अनुमानित दुनिया के बीच एक सेतु है। लेखकों ने केवल एक नया रास्ता नहीं खोजा; उन्होंने पूरे परिदृश्य का मानचित्र तैयार किया, यह दिखाते हुए कि चिकनापन कहाँ समाप्त होता है और अराजकता कहाँ शुरू होती है।

तकनीकी सारांश: गैर-स्थानीय डिरिचलेट समस्याओं के समाधानों के लिए क्षमतात्मक अनुमान (Capacitary Estimates)

समस्या विवरण
यह शोध पत्र निम्नलिखित रूप वाले गैर-स्थानीय गैर-रेखीय दीर्घवृत्तीय समीकरणों (nonlocal nonlinear elliptic equations) के दुर्बल समाधानों (weak solutions) की सीमा नियमितता (boundary regularity) की जांच करता है:
$Lu(x) = 2 \text{ p.v.} \int_{\mathbb{R}^n} |u(x) - u(y)|^{p-2}(u(x) - u(y))k(x, y) \, dy$
जहाँ कर्नेल $k$ एक समान दीर्घवृत्तीयता (uniform ellipticity) की शर्तों को संतुष्ट करता है जिनके पैरामीटर $n \in \mathbb{N}$ , $0 < s < 1 < p < \infty$ , और $\Lambda \ge 1$ हैं। यह अध्ययन स्थानीयकृत डिरिचलेट समस्या पर केंद्रित है जहाँ $Lu=0 $एक परिबद्ध डोमेन$ \Omega $में है और$ u=g$ बाह्य क्षेत्र (exterior) में है।

जबकि ऐसे समीकरणों के लिए आंतरिक होल्डर नियमितता (interior Hölder regularity) नॉनलोकल डी गेयर्सी-नाश-मोसर सिद्धांत के माध्यम से अच्छी तरह से स्थापित है, केंद्रीय प्रश्न जो संबोधित किए गए हैं, वे हैं:

डोमेन $\Omega$ पर कौन सी ज्यामितीय स्थिति आवश्यक और पर्याप्त है ताकि यह सुनिश्चित किया जा सके कि आंतरिक होल्डर नियमितता सीमा तक विस्तारित हो (अर्थात, सीमा होल्डर निरंतरता)?
क्या कोई एक व्यक्ति स्पष्ट रूप से समाधान $u$ की निरंतरता के मापांक (modulus of continuity) को बाह्य डेटा $g$ की नियमितता और सीमा के पास डोमेन की ज्यामितीय "मोटाई" (thickness) के संदर्भ में परिमाणित कर सकता है, विशेष रूप से तब जब एकसमान होल्डर अनुमान विफल हो जाते हैं?

कार्यप्रणाली (Methodology)
लेखक नॉनलोकल सेटिंग के अनुकूल गैर-स्थानीय क्षमता सिद्धांत (nonlocal potential theory), क्षमता अनुमान (capacity estimates), और पुनरावृत्ति तकनीकों (iterative techniques) के संयोजन का उपयोग करते हैं।

क्षमतात्मक मोटाई (Capacitary Thickness): अध्ययन में बाह्य क्षमतात्मक मोटाई $\Theta_{x_0}(r)$ का उपयोग किया जाता है, जिसे एक बॉल के भीतर डोमेन के पूरक की $(s,p)$ -कंडेंसर क्षमता (condenser capacity) के माध्यम से परिभाषित किया गया है। यह मात्रा लेबेग माप घनत्व (Lebesgue measure density) की तुलना में सीमा नियमितता का एक सूक्ष्म माप के रूप में कार्य करती है।
दुर्बल रूप और चरम मान (Weak Formulations and Extrema): लेखक $V^{s,p}(\Omega)$ और एक "दुर्बल लुप्त होने वाले स्थान" $Z^{s,p}_T(D)$ का उपयोग करके दुर्बल समाधानों और दुर्बल सीमा मानों को परिभाषित करते हैं। यह मनमाने सेटों पर सीमा स्थितियों के कठोर उपचार की अनुमति देता है। वे सीमा तक स्थानीय परिबद्धता (local boundedness) और दुर्बल हार्नाक असमानताओं (weak Harnack inequalities) को स्थापित करते हैं, जिसमें कैसियोली अनुमानों (Caccioppoli estimates) के लिए स्वीकार्य परीक्षण फलनों (test functions) का चयन करने के लिए दुर्बल चरमों का उपयोग किया जाता है।
पुनरावृत्ति योजनाएं (Iterative Schemes): नॉनलोकल ऑपरेटरों में निहित "टेल टर्म्स" (tail terms) को संभालने के लिए एक नवीन पुनरावृत्ति लेम्मा (लेम्मा 4.2) का विकास एक मुख्य तकनीकी नवाचार है। स्थानीय समीकरणों के विपरीत, नॉनलोकल अनुमानों में डोमेन के बाहरी भाग के योगदान शामिल होते हैं। लेखक क्षमता घनत्व और डेटा की निरंतरता के मापांक को शामिल करते हुए एक पुनरावृत्ति संबंध का निर्माण करते हैं, जिससे वैश्विक अनुमान प्राप्त करने के लिए पुनरावृत्ति की जाती है।
तुलना सिद्धांत (Comparison Principles): प्रमाण काफी हद तक तुलना सिद्धांतों और विशिष्ट सीमा डेटा के साथ $L$ -पोटेंशियल (समीकरण के समाधान) के निर्माण पर निर्भर करते हैं ताकि समाधान के व्यवहार को सीमा की क्षमता से जोड़ा जा सके।

प्रमुख योगदान और परिणाम

क्षमता घनत्व और सीमा होल्डर निरंतरता की समानता (प्रमेय 1.1):
यह शोध पत्र स्थापित करता है कि क्षमता घनत्व स्थिति (Capacity Density Condition - CDC) एक समान सीमा होल्डर अनुमान की वैधता के समतुल्य है। विशेष रूप से, यदि सीमा बिंदु $x_0$ के पास बाह्य क्षमतात्मक मोटाई $\Theta_{x_0}(r)$ , एक धनात्मक स्थिरांक $\theta_0$ से नीचे सीमित है, तो होल्डर निरंतर बाह्य डेटा वाले समाधान $x_0$ पर होल्डर निरंतरता विरासत में प्राप्त करते हैं। इसके विपरीत, यदि सीमा होल्डर निरंतरता मान्य है, तो CDC को संतुष्ट किया जाना चाहिए। यह उच्च-क्रम की नियमितता के लिए एक पूर्ण ज्यामितीय लक्षण वर्णन प्रदान करता है, जो पिछले परिणामों (जैसे माप घनत्व) का विस्तार करता है जो केवल पर्याप्त स्थितियाँ प्रदान करते थे।
मात्रात्मक सीमा होल्डर अनुमान (प्रमेय 1.2):
CDC की धारणा के तहत, लेखक समाधान की निरंतरता के मापांक पर स्पष्ट मात्रात्मक सीमाएँ प्राप्त करते हैं। समाधान की नियमितता $\min\{c\theta_0, \alpha\}$ के रूप में दिखाई जाती है, जहाँ $\alpha$ बाह्य डेटा $g$ की नियमितता है और $\theta_0$ क्षमता घनत्व स्थिरांक है। इस अनुमान में महत्वपूर्ण मामले में लॉगरिदमिक सुधार शामिल हैं जहाँ $\alpha = c\theta_0$ है। यह परिणाम मापने योग्य गुणांकों और गैर-रेखीयताओं ( $p \neq 2$ ) वाले नॉनलोकल समीकरणों के लिए नवीन है, क्योंकि पिछले कार्य काफी हद तक फ्रैक्शनल लाप्लासियन के लिए कैफरेली-सिलवेस्टर एक्सटेंशन पर निर्भर थे या चिकने कर्नेल (smooth kernels) को मानते थे।
वीनर मापांक निरंतरता (Wiener Modulus of Continuity) (प्रमेय 1.4 और कोरोलरी 1.5):
यह शोध पत्र एक "सूक्ष्म क्षमतात्मक अनुमान" प्रदान करता है जो तब भी सीमा व्यवहार को परिमाणित करता है जब CDC विफल हो जाता है या बाह्य डेटा होल्डर निरंतर नहीं होता है। प्रमेय 1.4 बाह्य डेटा के मापांक $\omega_g$ और क्षमता घनत्व $\Theta_{x_0}$ को शामिल करते हुए निरंतरता के मापांक के लिए एक स्पष्ट इंटीग्रल फॉर्मूला देता है। यह वीनर मानदंड (Wiener criterion) की निरंतरता के लिए एक मात्रात्मक परिशोधन के रूप में कार्य करता है। कोरोलरी 1.5 इसे शास्त्रीय सीमा क्षमता सिद्धांत के समान एक रूप में सरल बनाता है, जो निरंतरता के लिए वीनर मानदंड की पर्याप्तता का प्रत्यक्ष मात्रात्मक प्रमाण प्रदान करता है।
ज्यामितीय स्थितियों की पैरामीटर निर्भरता (प्रमेय 1.6):
लेखक विश्लेषण करते हैं कि CDC को संतुष्ट करने वाले डोमेन का वर्ग ऑपरेटर पैरामीटर $(s, p)$ के साथ कैसे बदलता है। वे विभिन्न पैरामीटरों के लिए $\Gamma_{s,p}$ वर्गों के समावेशन संबंधों को लक्षणित करते हैं, यह दिखाते हुए कि $\Gamma_{s_2, p_2} \subsetneq \Gamma_{s_1, p_1}$ यदि और केवल यदि $s_2 p_2 = s_1 p_1$ के साथ $p_1 < p_2$ , या $s_2 p_2 < s_1 p_1$ हो। यह विभिन्न नॉनलोकल ऑपरेटरों के लिए आवश्यक ज्यामितीय धारणाओं के पदानुक्रम को स्पष्ट करता है।

महत्व
यह शोध पत्र मापने योग्य गुणांकों वाले सामान्य नॉनलोकल गैर-रेखीय ऑपरेटरों के लिए सीमा नियमितता के लक्षण वर्णन के लिए एक पूर्ण उत्तर प्रदान करने का दावा करता है। इसका महत्व यहाँ निहित है:

सामान्यीकरण (Generalization): फ्रैक्शनल लाप्लासियन और चिकने कर्नेल से आगे बढ़कर सामान्य नॉनलोकल ऑपरेटरों और मापने योग्य कर्नेल एवं गैर-रेखीयताओं ( $p \neq 2$ ) तक पहुँचना।
आवश्यकता और पर्याप्तता (Necessity & Sufficiency): सीमा होल्डर निरंतरता के लिए CDC को एक आवश्यक और पर्याप्त स्थिति के रूप में स्थापित करना, जबकि पूर्व साहित्य केवल पर्याप्त स्थितियाँ (जैसे माप घनत्व) प्रदान करता था।
मात्रात्मक सटीकता (Quantitative Precision): यह एक स्पष्ट, मात्रात्मक मापांक निरंतरता प्रदान करता है जो डोमेन ज्यामिति और डेटा नियमितता के बीच परस्पर क्रिया को पकड़ता है, जो गुणात्मक वीनर मानदंड को परिष्कृत करता है।
पद्धतिगत नवाचार (Methodological Innovation): कैफरेली-सिलवेस्टर एक्सटेंशन पर निर्भर किए बिना "टेल टर्म्स" को संभालने के लिए तकनीक विकसित करना, जो सामान्य कर्नेल के लिए उपलब्ध नहीं है। यह इन परिणामों को एक व्यापक वर्ग के नॉनलोकल समस्याओं पर लागू करने की अनुमति देता है, जिसमें अनियमित डोमेन (लिप्सचिट्ज़ या उससे भी खराब) शामिल हैं जहाँ शास्त्रीय चिकनापन धारणाएँ विफल हो जाती हैं।

इसी तरह के और पेपर