Pointwise Convergence Analysis for Approximations of Optimal Transport Problems with a Target Measure that Has Unbounded Support

以下は、Axel G. R. Turnquist による論文「POINTWISE CONVERGENCE ANALYSIS FOR APPROXIMATIONS OF OPTIMAL TRANSPORT PROBLEMS WITH A TARGET MEASURE THAT HAS UNBOUNDED SUPPORT（支持集合が非有界なターゲット測度に対する最適輸送問題の近似における点収束解析）」の技術的サマリーです。

1. 問題設定 (Problem Statement)

本論文は、ユークリッド空間 $\mathbb{R}^n$ におけるモンジュ（Monge）の最適輸送問題を扱います。

• ソース測度 ($\mu$): 有界なコンパクト集合 $\Omega \subset \mathbb{R}^n$ に支持され、確率密度関数 $f_\mu$ を持つ。
• ターゲット測度 ($\nu$): 全体空間 $\mathbb{R}^n$ に支持され、確率密度関数 $f_\nu$ を持つが、支持集合が非有界である。
• コスト関数: 一般的には $c(x, y) = h(|x-y|)$ を考えるが、主要な結果は二乗距離 $c(x, y) = \frac{1}{2}|x-y|^2$ に対して導出される。

核心的な課題:
ターゲット測度 $\nu$ の支持集合が無限大に広がっているため、数値計算（特にモンジュ・アンペール方程式ソルバー）を直接適用することが困難です。したがって、$\nu$ を何らかの方法で近似する必要があります。本論文では、**カットオフ近似（Cutoff Approximation）**を採用し、その近似による最適輸送写像（マップ）およびポテンシャル関数の収束性を定量的に解析することを目的としています。

2. 手法と近似戦略 (Methodology & Approximation Strategy)

ターゲット測度 $\nu$ を近似するために、半径 $R$ の球 $B_R(0)$ によるカットオフを行います。

• カットオフ測度 $\nu_R$ の定義:
  $$\nu_R := \frac{\nu|_{B_R(0)}}{\nu(B_R(0))}$$
  つまり、半径 $R$ 以内の確率質量を正規化して新しい確率測度 $\nu_R$ を定義します。$R \to \infty$ とすると、$\nu_R$ は $\nu$ に弱収束します。
• 解析対象:
  • 順問題 (Forward): $\mu \to \nu$ (および $\mu \to \nu_R$) の最適輸送マップ $T_\mu$ とポテンシャル $\phi_\mu$。
  • 逆問題 (Inverse): $\nu \to \mu$ (および $\nu_R \to \mu$) の最適輸送マップ $T_\nu$ とポテンシャル $\phi_\nu$。
• 理論的基盤:
  Delalande と Mèrigot [7] によって確立された $L^2$ 収束安定性結果を基礎とし、これに凸解析、ブレンリエ（Brenier）ポテンシャルの正則性（ホ尔德連続性など）、および分布関数の漸近挙動を組み合わせて、**点ごとの収束率（Pointwise Convergence Rates）**を導出します。

3. 主要な貢献と結果 (Key Contributions & Results)

3.1. 対称な場合の解析 (Radial Case)

ソースとターゲットの両方が**放射対称（Radially Symmetric）**である場合、コスト関数の種類に関わらず（$c(x,y)=h(|x-y|)$）、最適輸送マップとポテンシャルも放射対称となり、1 次元の累積分布関数を用いて明示的な式が得られます。

• 収束速度: 誤差は $1 - F_\nu(R)$（$R$ 以上の確率質量）に比例して減衰します。
• 分布クラスによる速度:
  • 有限 $p$ 次モーメントを持つ分布: 誤差は $O(R^{-p})$ で減衰。
  • 対数凹分布 (Log-concave distributions): 誤差は指数関数的に $O(R^{n-1}e^{-yR})$ で減衰（非常に高速）。

3.2. 一般の場合の解析 (General Case)

放射対称性を仮定せず、コスト関数 $c(x, y) = \frac{1}{2}|x-y|^2$ に限定して解析を行います。

• $L^2$ 安定性からの点収束:
  Delalande-Mèrigot の $L^2$ 安定性結果 ($\|\phi_\mu - \phi_{\mu;R}\|_{L^2} \leq C W_1(\nu, \nu_R)^{1/2}$) を利用し、$\nu_R$ が $\nu$ に弱収束すれば、ブレンリエポテンシャル $\phi_{\mu;R}$ は $\phi_\mu$ に任意の狭義開集合上で点収束し、最適マップ $T_{\mu;R}$ はほとんど至る所 (almost everywhere) で $T_\mu$ に収束することを証明しました。
• 明示的な一様収束率 (Explicit Uniform Rates):
  以下の条件を満たす場合、誤差の明示的な上界を導出しました：
  • $\mu$ の密度が上下から有界。
  • $\nu$ の最高次モーメント $p$ が $p > n$ かつ $p \geq 4$ である。
  • 領域 $\Omega$ が内側 $\epsilon$-ボール性質（inner $\epsilon$-ball property）を満たす（または長方形領域）。
  • 結果: ポテンシャルの最大誤差は $W_1(\nu, \nu_R)$ のべき乗に比例して減衰します。具体的には、$W_1(\nu, \nu_R)$ が $O(R^{1-p})$ または対数凹分布の場合は指数減衰であるため、ポテンシャルの点誤差も同様に高速に減衰します。
• 逆問題の収束:
  逆ブレンリエポテンシャル $\phi_\nu$ はリプシッツ連続であることが示され、$\phi_\mu$ の収束率から $\phi_\nu$ の収束率を導出しました。これにより、逆マップ $T_\nu$ のほとんど至る所での収束も保証されます。

3.3. 数値計算への応用 (Numerical Implications)

• モンジュ・アンペール方程式ソルバー:
  非有界領域の問題を、カットオフ半径 $R$ を固定した有界領域上のモンジュ・アンペール方程式（第二境界値問題）として定式化できます。
• 収束保証付きスキーム:
  Hamfeldt [10] の結果に基づき、単調性（monotonicity）、安定性（stability）、整合性（consistency）を満たす有限差分法などの数値スキームを用いれば、カットオフ近似された問題に対して収束が保証されます。
• 実用的な戦略:
  逆問題（$\nu_R \to \mu$）を解き、その結果を補間して順問題のマップを得るアプローチが、ポテンシャルの発散や安定性の観点から有効である可能性が示唆されています。

4. 意義と結論 (Significance & Conclusion)

本論文の主な意義は以下の点にあります：

1. 非有界ターゲットへの理論的正当化:
   実用上、無限大の支持集合を持つ分布を有限領域で近似する「カットオフ手法」が、最適輸送マップとポテンシャルに対して定量的な点収束保証を持つことを初めて示しました。
2. 高速収束の特定:
   対数凹分布（ガウス分布や指数分布などを含む）に対して、カットオフ半径 $R$ を増やすことで誤差が指数関数的に減少することを証明しました。これは数値計算において、比較的小さな $R$ でも高精度が得られることを意味します。
3. 数値アルゴリズムの指針:
   非有界領域での最適輸送を計算する際、単純なサンプリングや離散化だけでなく、モンジュ・アンペール方程式ソルバーを用いた PDE ベースのアプローチが、適切なカットオフ近似と組み合わせることで理論的に正当化されることを示しました。
4. 一般性の拡張:
   放射対称な場合の明示的な解から、一般の非対称ケースへの拡張を行い、$L^2$ 安定性から点収束へ至る論理構成を確立しました。

結論:
ソース測度が有界でターゲット測度が非有界である最適輸送問題において、カットオフ近似は理論的に正当化された強力な手法です。特に、ターゲット分布が対数凹である場合、非常に高速な収束が期待でき、これに基づいた数値解法（モンジュ・アンペール方程式ソルバー）は、高次元や複雑な分布に対する実用的な計算手段として有望です。