Low regularity symplectic schemes for stochastic NLS

1. Il Problema

Il lavoro si concentra sulla risoluzione numerica dell'Equazione di Schrödinger Non Lineare Stocastica (SNLSE) in una dimensione spaziale, definita sul toro $\mathbb{T}$:
$$i\partial_t u + \partial_x^2 u = \lambda|u|^2u + \kappa u \circ \Phi\xi(t, x)$$
dove il termine di rumore $\Phi\xi$ è di tipo Stratonovich (colore spaziale, bianco temporale).

Le sfide principali affrontate sono:

• Bassa Regolarità: Le soluzioni possono avere bassa regolarità (sotto $H^1$), rendendo inefficaci gli schemi numerici classici che richiedono una regolarità elevata per l'espansione di Taylor.
• Struttura Geometrica: È cruciale preservare le proprietà geometriche del sistema Hamiltoniano sottostante, in particolare la conservazione della massa ($L^2$-norma) e la struttura simplettica (che garantisce la conservazione dell'energia media nel caso stocastico).
• Limiti degli Schemi Esistenti: Gli schemi attuali (es. Crank-Nicolson stocastico) spesso richiedono passi temporali estremamente piccoli per garantire stabilità e convergenza forte, specialmente in presenza di rumore. Inoltre, la presenza di integrali iterati stocastici rende difficile ottenere convergenza forte di ordine superiore senza condizioni di integrabilità esponenziale molto restrittive.

2. Metodologia

Gli autori sviluppano una nuova classe di schemi di Runge-Kutta basati sulla risonanza (Resonance-Based) adattati al contesto stocastico.

• Approccio Ibrido: Combinano le tecniche di discretizzazione a bassa regolarità per le PDE deterministiche (introdotte in lavori precedenti come [17]) con la teoria degli schemi stocastici.
• Trattamento del Nucleo Oscillante: Invece di espandere in serie di Taylor l'operatore di evoluzione (che richiederebbe alta regolarità), utilizzano un'approssimazione polinomiale del nucleo di risonanza $K(s; k, k_1, k_2, k_3)$. Questo permette di integrare esattamente le parti dominanti delle oscillazioni, riducendo i requisiti di regolarità sui dati iniziali.
• Gestione del Rumore (Stratonovich):
  • Vengono utilizzati schemi impliciti per gestire il termine non lineare e il rumore di tipo Stratonovich.
  • Un risultato chiave è l'osservazione che, iterando la formula di Duhamel simmetricamente (usando una regola del punto medio), il secondo integrale iterato stocastico si annulla fino a un ordine $O(t^2)$. Questo permette di trascurare termini complessi nella costruzione di schemi di primo ordine.
• Schemi Proposti: Viene derivata una classe generale di schemi impliciti e, come caso specifico, la Regola del Punto Medio Stocastica Basata sulla Risonanza.

3. Contributi Chiave

1. Derivazione di Schemi Simplettici Stocastici: Dimostrano che la classe di schemi proposta preserva la struttura simplettica e la massa, a condizione che i coefficienti dello schema soddisfino specifiche relazioni algebriche (Hypothesis 4.2) e che il rumore abbia coefficienti di Fourier reali e simmetrici.
2. Analisi di Convergenza Locale: Dimostrano che l'errore locale dello schema del punto medio è dell'ordine $O(t^{3/2})$. Questo miglioramento rispetto agli schemi standard è dovuto alla cancellazione dei termini di errore nelle iterazioni del punto medio e al trattamento accurato degli integrali oscillanti.
3. Analisi di Stabilità e Esistenza:
   • Viene mostrato che l'esistenza e l'unicità della soluzione numerica (tramite iterazione del punto fisso) dipendono da una condizione sul passo temporale $t$ che è random e proporzionale alla norma dei dati iniziali.
   • Teoricamente, questo implica che lo schema non è ben posto con probabilità 1 per un passo temporale fisso (instabilità quasi certa a lungo termine).
   • Tuttavia, l'analisi mostra che l'errore locale rimane controllato.
4. Estensione al Caso Stocastico: Estendono la teoria delle risonanze, precedentemente sviluppata per PDE deterministiche, al caso stocastico con rumore Stratonovich, affrontando le difficoltà legate agli integrali stocastici iterati.

4. Risultati Numerici

Gli esperimenti numerici confrontano lo schema proposto con il metodo di Crank-Nicolson stocastico:

• Convergenza:
  • In regime di bassa regolarità, lo schema basato sulla risonanza mantiene un ordine di convergenza di circa $O(t)$, mentre Crank-Nicolson degrada significativamente.
  • In regime di alta regolarità, entrambi gli schemi mostrano ordini di convergenza simili, ma Crank-Nicolson presenta errori assoluti più elevati in molti casi testati.
• Stabilità e Risoluzione Spaziale:
  • Lo schema proposto è molto più stabile per mesh spaziali fini (es. 8192 modi di Fourier) e passi temporali grandi (fino a $10^{-2}$).
  • Crank-Nicolson richiede mesh molto più grezzi (es. 8 modi) o passi temporali estremamente piccoli per rimanere stabile, rendendolo computazionalmente proibitivo per simulazioni a lungo termine su mesh raffinate.
• Conservazione:
  • Crank-Nicolson conserva meglio la massa su mesh grezzi, ma lo schema basato sulla risonanza migliora la conservazione di massa ed energia man mano che la risoluzione spaziale aumenta.
  • In pratica, nonostante la teoria preveda instabilità quasi certa per tempi lunghi, gli schemi rimangono stabili nelle simulazioni numeriche grazie alle risorse computazionali finite che impediscono la divergenza esplosiva.

5. Significato e Implicazioni

Questo lavoro è significativo per diversi motivi:

• Superamento delle Barriere di Regolarità: Offre un approccio pratico per simulare SNLSE con dati iniziali poco regolari, un caso comune in fisica stocastica ma difficile da trattare con metodi classici.
• Efficienza Computazionale: Permette l'uso di passi temporali più grandi e mesh spaziali più fini, rendendo fattibili studi su scale temporali lunghe (es. cascata di energia, ergodicità) che sarebbero altrimenti proibitivi con metodi espliciti o semi-impliciti tradizionali.
• Preservazione Strutturale: Conferma che è possibile costruire schemi stocastici che rispettano le leggi di conservazione fisiche (massa e struttura simplettica), anche in presenza di rumore, pur con le limitazioni teoriche sulla stabilità globale.
• Discrepanza Teoria-Pratica: Evidenzia un interessante divario tra la teoria di stabilità (che prevede instabilità quasi certa) e la pratica numerica (dove gli schemi funzionano bene), suggerendo che le risorse computazionali finite agiscono come un regolatore naturale della divergenza.

In sintesi, gli autori forniscono un framework robusto per la simulazione di equazioni di Schrödinger stocastiche non lineari, bilanciando la necessità di bassa regolarità, conservazione geometrica ed efficienza computazionale.