🔢 mathematics

An Equidistant Truncated Euler--Maruyama Method for Nonlinear Time-Changed Stochastic Differential Equations

यह शोध पत्र सुपरलीनियर ग्रोथ (superlinear growth) वाले नॉनलीनियर टाइम-चेंज्ड स्टोकेस्टिक डिफरेंशियल इक्वेशन्स (nonlinear time-changed stochastic differential equations) को हल करने के लिए एक इक्विडिस्टेंट ट्रंकेटेड यूलर-मारुयामा विधि (equidistant truncated Euler–Maruyama method) प्रस्तावित करता है, जो पॉलीनोमियल ग्रोथ (polynomial growth), मोनोटोनिसिटी (monotonicity) और होल्डर रेगुलैरिटी (Hölder regularity) की शर्तों के तहत $\min\{\beta_1, \alpha\beta_2, \alpha/2\}$ के अत्यंत निकट एक स्ट्रॉन्ग कन्वर्जेंस रेट (strong convergence rate) स्थापित करता है।

मूल लेखक: Ruchun Zuo, Qian Guo

प्रकाशित 2026-09-21

📖 5 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Ruchun Zuo, Qian Guo

मूल पेपर CC BY 4.0 (https://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

एक ऐसी दुनिया की कल्पना करें जहाँ कण एक नदी की तरह सुचारू, अनुमानित रेखाओं में नहीं चलते, बल्कि एक अराजक भूलभुलैया में फंस जाते हैं, और अगला कदम उठाने के लिए लंबे, यादृच्छिक (random) अंतराल की प्रतीक्षा करते हैं। यह "एनोमलस डिफ्यूजन" (anomalous diffusion) की वास्तविकता है, एक ऐसी घटना जो जीवित कोशिका के भीतर प्रोटीन की गति से लेकर वित्तीय बाजारों के अनिश्चित उतार-चढ़ाव तक, सब कुछ में देखी जाती है। इस व्यवहार का वर्णन करने के लिए, वैज्ञानिक एक विशेष प्रकार के गणितीय मॉडल का उपयोग करते हैं जिसे "टाइम-चेंज्ड स्टोकेस्टिक डिफरेंशियल इक्वेशन" (time-changed stochastic differential equation) कहा जाता है। इसे गति के एक मानक समीकरण के रूप में समझें जिसे एक टूटी हुई घड़ी से जोड़ दिया गया है। जबकि समीकरण आगे बढ़ने की कोशिश करता है, वह घड़ी स्वयं—जो एक यादृच्छिक प्रक्रिया द्वारा नियंत्रित होती है—कभी रुक जाती है या अप्रत्याशित रूप से उछल पड़ती है, जिससे कण ऐसे तरीकों से जम जाता है या आगे की ओर छलांग लगा देता है जिन्हें मानक भौतिकी आसानी से नहीं समझा सकती।

गणितज्ञों और कंप्यूटर वैज्ञानिकों के लिए चुनौती यह है कि इन समीकरणों के पास शायद ही कभी किसी पाठ्यपुस्तक में लिखे गए सटीक और स्पष्ट उत्तर होते हैं। इन प्रणालियों के व्यवहार को समझने के लिए, शोधकर्ता उन्हें सिम्युलेट करने के लिए कंप्यूटर पर निर्भर करते हैं, समय को छोटे चरणों में तोड़कर और आगे का पथ गणना करके। हालाँकि, जब कणों को संचालित करने वाले बल बहुत बड़े हो जाते हैं या जटिल, गैर-रेखीय (non-linear) तरीकों से व्यवहार करते हैं, तो मानक सिमुलेशन विधियाँ अक्सर विफल हो जाती हैं। वे ऐसे परिणाम दे सकते हैं जो अनंत की ओर बढ़ जाते हैं या वास्तविकता से बहुत दूर भटक जाते हैं, जिससे सिमुलेशन बेकार हो जाता है। यह विशेष रूप से तब कठिन होता है जब "ड्रिफ्ट" (drift)—वह बल जो कण को धकेलता है—इस बात पर निर्भर करता है कि कण वर्तमान में कहाँ है, जिससे एक ऐसा फीडबैक लूप बन जाता है जिसे कंप्यूटर पर नियंत्रित करना कठिन होता है।

शंघाई नॉर्मल यूनिवर्सिटी के शोधकर्ताओं, रुचुन ज़ुओ और कियान गुओ ने एक नए तरीके को विकसित करके इस विशिष्ट समस्या पर काम किया। उन्होंने एक ऐसी स्थिति पर ध्यान केंद्रित किया जहाँ प्रेरक बल कण की वर्तमान स्थिति पर निर्भर करता है, एक ऐसी स्थिति जिसने पहले मौजूदा कंप्यूटर विधियों को विफल कर दिया था। टीम ने एक नया एल्गोरिदम बनाया, जिसे वे "इक्विडिस्टेंट ट्रंकेटेड यूलर-मारियुमा विधि" (equidistant truncated Euler–Maruyama method) कहते हैं। इसका मूल विचार यह है कि कंप्यूटर को भौतिक समय के बिल्कुल समान अंतरालों पर सिस्टम को देखने के लिए मजबूर किया जाए, न कि यादृच्छिक, टूटी हुई घड़ी को समय निर्धारित करने देने दिया जाए। बलों की खतरनाक, विस्फोटक वृद्धि को संभालने के लिए, उन्होंने एक सुरक्षा तंत्र जोड़ा: एक "ट्रंकेशन" (truncation) नियम जो बलों के आकार को धीरे से सीमित करता है यदि वे बहुत बड़े हो जाते हैं, जिससे सिमुलेशन को नियंत्रण से बाहर होने से बचाया जा सके, जबकि सिस्टम के आवश्यक व्यवहार को सुरक्षित रखा जा सके।

शोधकर्ताओं ने गणितीय रूप से सिद्ध किया कि यह नई विधि विश्वसनीय रूप से कार्य करती है। उन्होंने दिखाया कि जैसे-जैसे समय के चरण (time steps) छोटे होते जाते हैं, कंप्यूटर का सन्निकटन (approximation) कण के वास्तविक पथ के करीब आता जाता है। महत्वपूर्ण रूप से, उन्होंने यह निर्धारित किया कि यह सुधार कितनी तेजी से होता है। अभिसरण (convergence) की गति तीन कारकों पर निर्भर करती है: भौतिक बल समय के साथ कितने सुचारू रूप से बदलते हैं, यादृच्छिक "घड़ी" कितनी सुचारू रूप से व्यवहार करती है, और यादृच्छिकता की विशिष्ट प्रकृति क्या है। उनके विश्लेषण ने खुलासा किया कि यह विधि उच्च स्तर की सटीकता प्राप्त कर सकती है, जो केवल अंतर्निहित प्रक्रियाओं की सुगमता (smoothness) द्वारा सीमित है। उन मामलों में जहाँ भौतिक बल सुचारू होते हैं और यादृच्छिक घड़ी अच्छी तरह व्यवहार करती है, यह विधि अत्यधिक कुशल हो जाती है, जो इन अनियमित गतिविधियों को ट्रैक करने का एक सटीक तरीका प्रदान करती है।

अपने सिद्धांत की पुष्टि करने के लिए, टीम ने कंप्यूटर प्रयोगों की एक श्रृंखला चलाई। उन्होंने एक सरल रैखिक मामले (linear case) सहित कई अलग-अलग परिदृश्यों पर इस विधि का परीक्षण किया, जहाँ उत्तर ज्ञात था, और अधिक जटिल मामलों में जहाँ बल तेजी से बढ़ते हैं और अनियमित पैटर्न में बदलते हैं। हर परीक्षण में, नई विधि ने ठीक वैसे ही प्रदर्शन किया जैसा उनके गणित ने अनुमान लगाया था। जब उन्होंने अपने परिणामों की तुलना एक अत्यधिक सटीक संदर्भ समाधान (reference solution) से की, तो त्रुटियाँ ठीक उसी दर से कम हुईं जैसा कि उनके सिद्धांत ने पूर्व foreseen किया था। उदाहरण के लिए, एक विशिष्ट प्रकार के यादृच्छिक समय विलंब (time delay) वाले परीक्षण में, समय चरणों के परिष्कृत होने के साथ त्रुटि लगातार कम हुई, जो पूर्ण रूप से सैद्धांतिक ढलान (theoretical slope) से मेल खाती थी। इन सिमुलेशनों ने पुष्टि की कि यह विधि मजबूत है, जो सुपरलीनियर ग्रोथ (superlinear growth) और अनियमित समय परिवर्तनों को संभालने में सक्षम है जिसने पिछले दृष्टिकोणों को उलझा दिया था।

यह कार्य जटिल, वास्तविक दुनिया की प्रणालियों को सिम्युलेट करने के लिए एक ठोस आधार प्रदान करता है जहाँ कण फंस जाते हैं और बल स्थिति पर निर्भर करते हैं। एक समान समय ग्रिड पर स्टेट-डिपेंडेंट ड्रिफ्ट (state-dependent drift) की समस्या को हल करके, शोधकर्ताओं ने जैविक परिवहन, वित्तीय बाजारों और एनोमलस डिफ्यूजन द्वारा शासित अन्य प्रणालियों के अधिक सटीक मॉडल के द्वार खोल दिए हैं। उनकी विधि केवल एक नया उपकरण ही नहीं प्रदान करती है; यह यह मापने का एक गारंटीकृत तरीका भी प्रदान करती है कि सिमुलेशन सत्य के कितने करीब है, यह सुनिश्चित करती है कि जब वैज्ञानिक इन प्रणालियों के अराजक व्यवहार को देखते हैं, तो जो चित्र वे देखते हैं वह विश्वसनीय हो।

तकनीकी सारांश: एक गैर-रेखीय टाइम-चेंज्ड स्टोकेस्टिक डिफरेंशियल इक्वेशन के लिए इक्विडिस्टेंट ट्रंकेटेड यूलर-मारुयामा विधि

समस्या विवरण
यह शोध पत्र एक इनवर्स $\alpha$ -स्टेबल सबोडिनेटर द्वारा संचालित गैर-रेखीय टाइम-चेंज्ड स्टोकेस्टिक डिफरेंशियल इक्वेशंस (TCSDEs) के संख्यात्मक सन्निकटन (numerical approximation) को संबोधित करता है। विशेष रूप से, यह अध्ययन निम्नलिखित प्रकार के समीकरणों पर केंद्रित है:
$X(t) = X(0) + \int_0^t h(s, E(s), X(s)) ds + \int_0^t f(s, E(s), X(s)) dE(s) + \int_0^t g(s, E(s), X(s)) dB(E(s))$
जहाँ $h$ एक फिजिकल-टाइम ड्रिफ्ट (physical-time drift) है, $f$ एक ऑपरेशनल-टाइम ड्रिफ्ट (operational-time drift) है, और $g$ एक टाइम-चेंज्ड ब्राउनियन मोशन $B(E)$ द्वारा संचालित डिफ्यूजन टर्म है। गुणांकों (coefficients) को स्टेट वेरिएबल $X$ में सुपरलीनियर ग्रोथ (superlinear growth) प्रदर्शित करने की अनुमति है।

TCSDEs के मौजूदा संख्यात्मक तरीके मुख्य रूप से ऑपरेशनल-टाइम ग्रिड्स (D-grids) पर निर्भर करते हैं, जहाँ समय के स्टेप्स सबोडिनेटर $D$ द्वारा परिभाषित होते हैं। लेखक इस दृष्टिकोण में एक महत्वपूर्ण सीमा को रेखांकित करते हैं: ऑपरेशनल ग्रिड्स के लिए यह अनिवार्य है कि फिजिकल-टाइम ड्रिफ्ट $h$ स्टेट-इंडिपेंडेंट हो (आमतौर पर $h(E)$ के रूप में)। जब फिजिकल ड्रिफ्ट स्टेट वेरिएबल $X$ पर निर्भर करता है, तो ऑपरेशनल स्टेप साइज "फिजिकल-टाइम फ्रीजिंग एरर" (physical-time freezing error) को नियंत्रित करने में विफल रहता है, जिससे मानक त्रुटि विश्लेषण (error analysis) लागू करने योग्य नहीं रह जाता। इसके अतिरिक्त, सुपरलीनियर गुणांकों वाले समीकरणों के लिए मानक स्पष्ट यूलर-मारुयामा (EM) स्कीमें अपसारी (diverge) हो जाती हैं। ज़ुओ [34] द्वारा स्थापित एक पूर्व फिजिकल-टाइम इक्विडिस्टेंट फ्रेमवर्क, उस विश्लेषण को बिना फिजिकल-टाइम ड्रिफ्ट वाले ऑटोनॉमस समीकरणों तक सीमित रखता था और स्टेट-डिपेंडेंट फिजिकल ड्रिफ्ट वाले मॉडलों में निहित विशिष्ट रेगुलैरिटी (regularity) को संबोधित नहीं करता था।

कार्यप्रणाली (Methodology)
इन सीमाओं को दूर करने के लिए, लेखक एक इक्विडिस्टेंट ट्रंकेटेड यूलर-मारुयामा (ETEM) विधि प्रस्तावित करते हैं। कार्यप्रणाली में तीन मुख्य घटक शामिल हैं:

इक्विडिस्टेंट फिजिकल-टाइम डिस्क्रीटाइजेशन: पिछले कार्यों के विपरीत, जो इक्विडिस्टेंट ऑपरेशनल स्टेप्स को फिजिकल टाइम में मैप करते हैं, यह स्कीम फिजिकल टाइम में एक समान ग्रिड $t_n = n\Delta$ को स्थिर करती है। संख्यात्मक समाधान को इनवर्स सबोडिनेटर के रैंडम इंक्रीमेंट्स $E(t_{n+1}) - E(t_n)$ और ब्राउनियन मोशन $B(E(t_{n+1})) - B(E(t_n))$ का उपयोग करके आगे बढ़ाया जाता है। यह स्टेट-डिपेंडेंट फिजिकल ड्रिफ्ट $h(t, E(t), X(t))$ को सीधे संभालने की अनुमति देता है।
स्टेट ट्रंकेशन (State Truncation): गुणांकों की सुपरलीनियर ग्रोथ को प्रबंधित करने के लिए, लेखक एक ट्रंकेशन तंत्र का उपयोग करते हैं। एक ट्रंकेशन रेडियस $R_\Delta = \Delta^{-\theta/(\ell+1)}$ को परिभाषित किया गया है, जहाँ $\ell$ ग्रोथ एक्सपोनेंट है। गुणांकों को मूल्यांकन से पहले स्टेट वेरिएबल को रेडियस $R_\Delta$ के एक क्लोज्ड बॉल पर प्रोजेक्ट करके संशोधित किया जाता है। यह सुनिश्चित करता है कि संख्यात्मक स्कीम स्थिर रहे और फाईनाइट टाइम में मोमेंट्स विस्फोट न करें।
कन्वर्जेंस एनालिसिस: विश्लेषण इनवर्स सबोडिनेटर के मोमेंट बाउंड्स को स्थापित करने और मिश्रित टाइम स्केल्स के अनुकूल सामान्यीकृत ग्रोनवाल (Gronwall) असमानताओं का उपयोग करने पर आधारित है। लेखक त्रुटि को फिजिकल-टाइम रेगुलैरिटी, ऑपरेशनल-टाइम रेगुलैरिटी और डिफ्यूजन टर्म से उत्पन्न घटकों में विभाजित करते हैं।

प्रमुख योगदान
यह शोध पत्र दो प्राथमिक योगदान देता है:

स्टेट-डिपेंडेंट फिजिकल ड्रिफ्ट का समाधान: ETEM स्कीम उन TCSDEs को कठोरता से संभालने के लिए इक्विडिस्टेंट फिजिकल-टाइम फ्रेमवर्क का विस्तार करती है जहाँ फिजिकल-टाइम ड्रिफ्ट $h$ स्टेट वेरिएबल $X$ पर निर्भर करता है। यह ऑपरेशनल-ग्रिड विधियों की संरचनात्मक सीमा को दूर करता है और पिछले फिजिकल-टाइम ग्रिड विश्लेषणों (जो ड्रिफ्ट-मुक्त मॉडलों तक सीमित थे) को स्टेट-डिपेंडेंट ड्रिफ्ट वाले नॉन-ऑटोनॉमस केस तक विस्तारित करता है।
स्ट्रॉन्ग कन्वर्जेंस रेट: पॉलीनोमियल ग्रोथ, लोकल मोनोटोनिसिटी और होल्डर रेगुलैरिटी (फिजिकल टाइम में $\beta_1$ और ऑपरेशनल टाइम में $\beta_2$ एक्सपोनेंट के साथ) की धारणाओं के तहत, लेखक सिद्ध करते हैं कि ETEM स्कीम $L^r$ पाथ-सुप्रीमम नॉर्म में स्ट्रॉन्गली कन्वर्ज होती है। कन्वर्जेंस रेट को निम्न रूप में दर्शाया जा सकता है:
$\min\{\beta_1, \alpha\beta_2, \alpha/2\}$
जहाँ $\alpha$ सबोडिनेटर का स्टेबिलिटी इंडेक्स है। यह परिणाम स्पष्ट रूप से मात्रात्मक रूप से बताता है कि गुणांकों की रेगुलैरिटी और सबोडिनेटर के गुण संख्यात्मक त्रुटि को कैसे नियंत्रित करते हैं।

परिणाम
सैद्धांतिक निष्कर्षों का समर्थन तीन टेस्ट केसेस पर संख्यात्मक सिमुलेशन द्वारा किया गया है:

लीनियर TCSDE: मल्टीप्लिकेटिव नॉइज़ वाला एक लीनियर समीकरण जहाँ सैद्धांतिक दर $\min\{1, \alpha, \alpha/2\}$ है। $\alpha=0.6$ के साथ, देखा गया दर सैद्धांतिक भविष्यवाणी $0.3$ से मेल खाता है।
नॉन-ऑटोनॉमस सुपरलीनियर TCSDE: एक पॉलीनोमियल ग्रोथ मॉडल $\alpha=0.8$ के साथ। सैद्धांतिक दर $\min\{1, 0.8, 0.4\} = 0.4$ है, जिसकी पुष्टि संख्यात्मक प्रयोगों द्वारा की गई है।
लो टाइम रेगुलैरिटी TCSDE: एक मॉडल जिसमें 'चर्प परटर्बेशन' (chirp perturbation) है जो फिजिकल-टाइम होल्डर रेगुलैरिटी को $\beta_1 = 0.3$ तक कम कर देता है। $\alpha=0.9$ के साथ, सैद्धांतिक दर $\min\{0.3, 0.9, 0.45\} = 0.3$ हो जाती है। सिमुलेशन पुष्टि करते हैं कि कन्वर्जेंस रेट अन्य कारकों के बावजूद सबसे कम रेगुलैरिटी पैरामीटर द्वारा सीमित है।

महत्व
यह शोध पत्र दावा करता है कि ETEM विधि उन जटिल एनोमलस डिफ्यूजन प्रक्रियाओं के अनुकरण के लिए एक मजबूत ढांचा प्रदान करती है जहाँ सिस्टम डायनेमिक्स में स्टेट-डिपेंडेंट ड्रिफ्ट्स और एनोमलस ट्रैपिंग दोनों शामिल होते हैं। फिजिकल और ऑपरेशनल टाइम स्केल्स की विशिष्ट रेगुलैरिटी के अनुकूल एक स्ट्रॉन्ग कन्वर्जेंस रेट स्थापित करके, यह विधि उन मॉडलों के लिए एक व्यावहारिक उपकरण प्रदान करती है जहाँ पिछले ऑपरेशनल-ग्रिड तरीके संरचनात्मक रूप से अपर्याप्त थे। यह कार्य स्टेट-डिपेंडेंट ड्रिफ्ट्स की सैद्धांतिक आवश्यकताओं और सुपरलीनियर TCSDEs के लिए स्थिर संख्यात्मक स्कीम्स की व्यावहारिक आवश्यकता के बीच के अंतर को पाटता है।

इसी तरह के और पेपर