Stochastic numerical approximation for nonlinear Fokker-Planck equations with singular kernels

Sintesi Tecnica: Approssimazione Numerica Stocastica per Equazioni di Fokker-Planck Nonlineari con Kernel Singolari

Definizione del Problema
Questo articolo affronta l'approssimazione numerica delle soluzioni di equazioni differenziali alle derivate parziali (PDE) di Fokker-Planck nonlineari della forma:
$$\partial_t u = \Delta u - \nabla \cdot (u K * u)$$
dove il kernel di interazione $K$ è singolare. Tali equazioni emergono in vari contesti fisici e biologici, tra cui il modello di chemiotassi di Keller-Segel, i potenziali di Coulomb nell'elettrostatica/gravità e la legge di Biot-Savart per le equazioni di Navier-Stokes 2D.

La sfida principale risiede nel termine di deriva $K * u$, che coinvolge un kernel singolare. Gli approcci numerici standard, come l'applicazione diretta dello schema di Euler-Maruyama (EM) all'equazione differenziale stocastica (SDE) di McKean-Vlasov associata, affrontano due difficoltà:

1. Calcolo della Densità: Lo schema EM richiede di valutare la densità della soluzione ad ogni passo temporale, il che non è direttamente disponibile.
2. Singolarità e Ben-posedness: Man mano che il passo temporale $h \to 0$, le singolarità del kernel di interazione possono compromettere la ben-posedness (ben posto) del risultante sistema di particelle.

Per superare queste problematiche, l'autore considera un sistema di $N$ particelle interagenti che approssima la soluzione tramite una misura empirica. Tuttavia, a causa della deriva singolare, il sistema viene regolarizzato utilizzando una sequenza di mollificatori $(V^N)$ e una funzione di cut-off liscia $F_A$ per limitare la deriva, garantendo stabilità numerica e limitatezza teorica.

Metodologia
L'articolo analizza la convergenza del sistema di particelle regolarizzato e discretizzato (Equazione 1.4/2.2) verso la soluzione dell'equazione di Fokker-Planck nonlineare. La metodologia prevede:

1. Regolarizzazione e Discretizzazione:

   • Il kernel singolare $K$ è convolvedo con un mollificatore $V^N$ (parametro di scala $\alpha$).
   • Una funzione di cut-off $F_A$ è applicata alla deriva per garantire l'uniforme limitatezza, coerentemente con il limite $L^\infty$ della vera deriva $K * u_t$.
   • Il sistema è discretizzato utilizzando lo schema di Euler-Maruyama con passo temporale $h$.

2. Strategia di Analisi della Convergenza:
   L'analisi decompone l'errore tra la misura empirica mollificata $\tilde{\mu}^{N,h}_t$ (e la densità di una singola particella) e la soluzione vera $u_t$ in diverse componenti:

   • Errore Iniziale: La differenza tra la misura empirica mollificata iniziale e $u_0$.
   • Errore di Propagazione del Caos: La differenza tra il sistema di particelle regolarizzato e l'SDE di McKean-Vlasov (non discretizzata).
   • Errore di Discretizzazione: L'errore introdotto dallo schema EM (discretizzazione temporale).
   • Convoluzione Stocastica: Un termine derivante dal rumore nel sistema di particelle.

3. Strumenti Tecnici:

   • Approccio Semigruppo: L'autore utilizza la formulazione debole (mild formulation) dell'equazione di Fokker-Planck coinvolgendo il kernel del calore $g_2(t, \cdot)$.
   • Formula di Itô: Applicata per espandere le densità del sistema di particelle e della soluzione di McKean-Vlasov attorno al kernel del calore.
   • Limiti dei Momenti: L'autore stabilisce limiti uniformi in $N$ per la misura empirica mollificata negli spazi $L^p$.
   • Lemma di Gronwall: Utilizzato per gestire le disuguaglianze integrali derivanti dalla decomposizione dell'errore.
   • Assunzioni di Regolarità: Il kernel $K$ soddisfa specifiche condizioni di integrabilità (Assunzione AK) e una condizione di regolarità di tipo Hölder sull'operatore di convoluzione $K * f$ in termini della norma $L^1 \cap L^r$.

Contributi Chiave e Risultati
L'articolo deriva tassi di convergenza espliciti per due oggetti nel limite di grandi particelle ($N \to \infty$) e nel limite di piccoli passi temporali ($h \to 0$):

1. Convergenza della Misura Empirica Mollificata (Teorema 2.5):
   L'articolo stabilisce che la misura empirica mollificata $\tilde{\mu}^{N,h}_t$ converge alla soluzione $u_t$ dell'equazione di Fokker-Planck nella norma $L^1 \cap L^r$. Il tasso di convergenza è dato da:
   $$\mathbb{E}\left[ \sup_{s \in [0,t]} \| \tilde{\mu}^{N,h}_s - u_s \|^m_{L^1 \cap L^r} \right]^{1/m} \leq C \left( \mathbb{E}[\| \tilde{\mu}^{N,h}_0 - u_0 \|^m_{L^1 \cap L^r}]^{1/m} + N^{-\rho + \epsilon} + N^{v_2} h^{v_3} \right)$$
   dove gli esponenti dipendono dalle proprietà del kernel e dal parametro di mollificazione $\alpha$.

2. Convergenza della Densità delle Particelle (Teorema 2.6):
   L'articolo fornisce un tasso di convergenza puntuale per la densità $u^{i,N,h}_t(x)$ della $i$-esima particella verso la densità di McKean-Vlasov $u_t(x)$. Il limite include un termine di peso Gaussiano:
   $$|u^{i,N,h}_t(x) - u_t(x)| \leq C (\dots) \left( \int_{\mathbb{R}^d} g_{c/p}(t, x-z) u_0(dz) \right)^{1/p}$$
   Questo risultato quantifica l'errore debole per lo schema EM, anche per funzioni di test che possono essere masse di Dirac.

3. Tassi Espliciti per Kernel Specifici (Sezione 4):
   L'autore applica i propri risultati generali a casi specifici:

   • Kernel Bounded Lipschitz: Recuperando tassi dell'ordine di $O(N^{-\frac{1}{d+2}} + h^{1/2})$.
   • Potenziali di Riesz e Kernel di Coulomb: Per $d \geq 2$, il tasso è $O(N^{-\frac{1}{2(d+1)}} + N^{\frac{d}{2(d+1)}} h^{1/2})$.
   • Kernel di Tipo Krylov-Röckner: Simili tassi sono derivati per kernel che soddisfano $K \in L^p$ con $p > d$.

Significato e Rivendicazioni
L'articolo afferma che, per quanto a conoscenza dell'autore, questi sono i primi risultati che forniscono tassi di convergenza quantitativi per lo schema di Euler-Maruyama applicato a sistemi di particelle interagenti con kernel di interazione singolari.

• Gestione delle Singolarità: A differenza di lavori precedenti che spesso richiedono la continuità Lipschitz della deriva nella metrica di Wasserstein (che fallisce per i kernel singolari), questo lavoro utilizza una specifica struttura di regolarità dell'operatore di convoluzione $K * f$ negli spazi $L^1 \cap L^r$.
• Analisi della Discretizzazione: Sebbene la convergenza quantitativa per il sistema di particelle non discretizzato (tempo continuo) sia stata recentemente stabilita da Olivera et al. [35], questo articolo estende l'analisi allo schema EM discretizzato, quantificando esplicitamente il compromesso tra il numero di particelle $N$ e il passo temporale $h$.
• Robustezza: Il metodo si dimostra robusto per kernel che non soddisfano la standard condizione di Krylov-Röckner (ad esempio, i altamente singolari kernel di Keller-Segel dove $\alpha \geq 2$), a patto che soddisfino le specifiche assunzioni strutturali (AK) introdotte nel lavoro.

L'autore sottolinea che i tassi derivati dipendono polinomialmente da $N$ e $h$, e l'analisi traccia attentamente la dipendenza dalla dimensione $d$ e dalla forza della singolarità del kernel. Il lavoro colma il divario tra i risultati teorici di propagazione del caos e l'implementazione numerica pratica per modelli di interazione singolari.