Stochastic homogenization for Hamilton-Jacobi-Bellman equations on continuum percolation clusters

Sintesi Tecnica: Omogeneizzazione Stocastica di Equazioni di Hamilton-Jacobi-Bellman su Cluster di Percolazione Continua

Enunciato del Problema
Il saggio affronta l'omogeneizzazione stocastica di equazioni di Hamilton-Jacobi-Bellman (HJB) casuali definite su la componente connessa illimitata (cluster infinito) di un modello di percolazione continua in $\mathbb{R}^d$ ($d \geq 2$). Nello specifico, gli autori studiano il comportamento asintotico per $\varepsilon \to 0$ della soluzione viscosa $u^\varepsilon$ dell'equazione:
$$\partial_t u^\varepsilon = \frac{\varepsilon}{2} \text{div}\left( a\left(\frac{x}{\varepsilon}, \omega\right) \nabla u^\varepsilon \right) + H\left(\frac{x}{\varepsilon}, \nabla u^\varepsilon, \omega\right),$$
posta sul dominio $(0, T) \times \varepsilon C_\infty(\omega)$, dove $C_\infty(\omega)$ è il cluster infinito contenente l'origine.

L'ambiente presenta sfide significative distinte dal classico setting di omogeneizzazione:

1. Degenerazione: Il coefficiente di diffusione $a(x, \omega)$ è ellittico degenere; il suo supporto è limitato alla chiusura del cluster infinito, il che significa che l'operatore non è uniformemente ellittico.
2. Non-Stazionarietà: L'analisi è condotta sotto la misura di probabilità condizionata $P_0(\cdot) = P(\cdot \mid 0 \in C_\infty)$. A differenza della misura incondizionata $P$, $P_0$ non è invariante rispetto al gruppo di traslazione $\{\tau_x\}_{x \in \mathbb{R}^d}$, rompendo i consueti assunti di stazionarietà utilizzati nella letteratura precedente di omogeneizzazione.
3. Correlazioni a Lungo Raggio: Il modello non assume una dipendenza a raggio finito (struttura i.i.d.); i modelli di percolazione possono possedere correlazioni a lungo raggio.

L'Hamiltoniana $H$ è assunta essere convessa e coercitiva rispetto alla seminorma indotta dalla matrice degenere $a$, ma non necessariamente uniformemente coercitiva rispetto alla norma euclidea.

Metodologia
La strategia di prova si ispira al metodo di Kosygina-Rezakhanlou-Varadhan [KRV06], originariamente sviluppato per equazioni HJB in ambienti stazionari, ergodici e uniformemente ellittici. Gli autori adattano questo framework al contesto non stazionario e degenere attraverso diverse innovazioni tecniche chiave:

1. Rappresentazione tramite Controllo Ottimo: La soluzione $u^\varepsilon$ è rappresentata tramite una formula variazionale che coinvolge un problema di controllo ottimo per diffusionsi su cluster di percolazione. Gli autori utilizzano uno spazio di probabilità ausiliario per campionare controlli progressivamente misurabili, consentendo un trattamento rigoroso del "ambiente visto dalla particella".
2. Teorema Ergodico per Misure Non-Stazionarie: Un passaggio cruciale consiste nello stabilire un teorema ergodico per il processo dell'ambiente sotto la misura condizionata $P_0$. Poiché $P_0$ non è traslazione-invariante, gli autori impiegano "shift indotti" $\sigma_e$ definiti dagli arrivi successivi del cluster lungo gli assi delle coordinate. Essi dimostrano che tali shift indotti preservano $P_0$ e sono ergodici, permettendo l'applicazione del teorema ergodico di Birkhoff per derivare la legge dei grandi numeri per la traiettoria della diffusione.
3. Analisi Variazionale e Teoremi Min-Max: Gli autori derivano una formula variazionale per l'Hamiltoniana effettiva. A differenza dell'approccio [KRV06], che si basa sulla restrizione dei problemi variazionali a regioni limitate per garantire la compattezza (una tecnica incompatibile con la non-traslazione-invarianza di $P_0$), questo saggio utilizza:
   • Coercitività Intrinseca: Sfruttando la coercitività dell'Hamiltoniana rispetto alla matrice degenere $a$ per stabilire la compattezza debole dei gradienti in $L^{1+\delta}(P_0)$.
   • Struttura dell'Entropia Relativa: Introducendo un termine di entropia relativa sottrattivo nell'analisi variazionale. Questo termine fornisce la necessaria coercitività per applicare un secondo teorema min-max, facilitando l'estrazione di un limite debole $G$.
4. Correttori e Crescita Sub-lineare: L'esistenza di un "correttore" $V_G$ (un integrale di cammino del limite debole $G$) è stabilita. Gli autori dimostrano che $V_G$ presenta una crescita sub-lineare ($o(|x|)$) quasi sicuramente rispetto a $P_0$. Questo risultato si basa pesantemente sulle proprietà geometriche specifiche dei cluster di percolazione continua (ad esempio, il decadimento esponenziale delle distanze e le proprietà di ricorrenza) piuttosto che su argomenti di conteggio combinatorio usati in contesti discreti.

Contributi Chiave e Risultati

• Teorema Principale (Teorema 2.1): Gli autori dimostrano che, $P_0$-quasi sicuramente, la soluzione $u^\varepsilon$ converge uniformemente su compatti alla soluzione omogeneizzata $u_{\text{hom}}$. Il limite $u_{\text{hom}}$ risolve l'equazione effettiva:
  $$\partial_t u_{\text{hom}} = \bar{H}(\nabla u_{\text{hom}}), \quad u_{\text{hom}}(0, x) = f(x),$$
  dove $\bar{H}$ è l'Hamiltoniana effettiva.
• Formula Variazionale per l'Hamiltoniana Effettiva: L'Hamiltoniana effettiva $\bar{H}(\theta)$ è caratterizzata da una formula variazionale:
  $$\bar{H}(\theta) = \inf_{G \in \mathcal{G}_\delta} \left( \text{ess sup}_{P_0} \left[ \frac{1}{2} \text{div}(a(G+\theta)) + H(G+\theta) \right] \right),$$
  dove $\mathcal{G}_\delta$ è una classe di funzioni che soddisfano la limitatezza $L^{1+\delta}$, una proprietà curl-free sul cluster e una raffinata proprietà di "media indotta nulla" adattata alla misura non stazionaria.
• Principio di Grandi Deviazioni (Corollario 2.2): Come diretta applicazione, il saggio stabilisce un principio di grandi deviazioni quenched per una diffusione degenere con drift casuale su un cluster di percolazione continua. La funzione di tasso è data dalla trasformata di Legendre-Fenchel dell'Hamiltoniana effettiva.
• Rilassamento degli Assunti: Il lavoro rimuove il requisito di ellitticità uniforme all'interno del cluster e l'assunto di dipendenza a raggio finito (i.i.d.), permettendo modelli con correlazioni a lungo raggio.

Significatività e Rivendicazioni
Il saggio sostiene di essere il primo caso in cui l'omogeneizzazione stocastica di equazioni HJB è stata studiata su cluster di percolazione. Gli autori evidenziano come le proprietà intrinseche della percolazione — specificamente la non-traslazione-invarianza e la non-ellitticità — pervadano l'intera analisi, rendendo necessari nuovi strumenti matematici.

La significatività risiede nel:

1. Unire i Framework: Adattare con successo il metodo [KRV06], precedentemente limitato ad ambienti stazionari ed ellittici, al contesto non stazionario e degenere della percolazione continua.
2. Gestire la Non-Stazionarietà: Sviluppare un framework rigoroso per l'omogeneizzazione sotto la misura condizionata $P_0$, essenziale per studiare il comportamento quasi certo di processi che partono dall'origine in media casuali.
3. Caratterizzazione Variazionale: Fornire una rappresentazione variazionale dell'Hamiltoniana effettiva che riflette esplicitamente i vincoli geometrici del cluster di percolazione (tramite la condizione di media nulla indotta e lo specifico spazio funzionale $\mathcal{G}_\delta$).

Gli autori mantengono un tono modesto riguardo alle applicazioni, notando che, sebbene il metodo possa potenzialmente essere esteso ad approcci sub-additivi (come usato in [So99, AT14]), il loro contributo primario è l'instaurazione della formula variazionale e la prova dell'omogeneizzazione in questo specifico e complesso setting geometrico senza assumere l'uniforme ellitticità o strutture i.i.d.