技術要約：Wasserstein空間における滑らかに変化する分布のための、時間・空間的ミニマックス・レート

1. 問題の定式化

本論文は、2-Wasserstein空間 $\mathcal{P}_2(\mathbb{R}^d)$ における軌跡 $t \mapsto \mu_t$ の有限個のノイズを含むスナップショットから、将来の確率測度 $\mu_{t_n+h}$ を予測することの根本的な限界に対処している。

• 設定: 軌跡は、連続の式 $\partial_t \mu_t + \nabla \cdot (\mu_t v_t) = 0$ を満たす速度場 $v_t$ に従って進化する。
• 正則性仮定: 曲線は、速度場の $k$ 次共変微分に関する境界 $\|\nabla^k_t v_t\|_{\mu_t} \le \varepsilon$ によって定義されるアディアバティック（断熱）クラス $\mathcal{C}_k(\varepsilon)$ に属する。
  • $k=0$: 有界な速度。
  • $k=1$: 有界な加速度（近・測地線）。
  • $k=2$: 近・スプライン挙動。
• 目的: $n$ 個の離散的な時点 $M$ 個の全サンプルから、$\mu_{t_n+h}$ を推定するためのミニマックス・リスク（Wasserstein距離 $W_2$）を決定することである。

ここで特定された中心的な対立関係は、外挿を可能にする時間的な滑らかさ（誤差は $h^{k+1}$ としてスケーリング）と、有限のサンプルから分布の形状を推定することに課される空間次元による呪い（$M^{-\gamma_d}$、ここで $\gamma_d = \min(1/d, 1/2)$ としてスケーリング）との間に存在する。

2. 手法

著者らは、微分幾何学、統計的ミニマックス理論、および簡約手法を組み合わせて用いている。

• 幾何学的枠組み: 解析には、$\mathcal{P}_2(\mathbb{R}^d)$ の Otto–Benamô–Brenier リーマン構造を利用する。主要なツールには、曲線に沿ったベクトル場の共変微分と測地線の概念が含まれる。
• 簡約戦略:
  • 平行移動埋め込み: レマ1は、$\mathbb{R}^d$ が平行移動を通じて $\mathcal{P}_2(\mathbb{R}^d)$ に等長埋め込みされることを確立している。これにより、特定のサブ問題（正確な過去のフロア、位置チャネル）が、スカラーの外挿および古典的な非パラメトリック推定問題へと簡約される。
  • 時間から空間への簡約（中核となる技術的ステップ）: レマ5は、滑らかさの予算（$\varepsilon$）が到達可能な $W_2$ ボールを定義することを示している。時間軸に沿って $W_2$ 測地線を再パラメータ化することにより、著者らは時間軸に沿った「輸送パッキング（transport packing）」を埋め込んでいる。これにより、時間的な予測問題を、時間ウィンドウ内のプールされたサンプルを用いた空間的な推定問題へと変換している。
• 下界の証明:
  • 最悪ケース (Le Cam): 決定論的なフロアを確立するために、2点引数を用いている。
  • 平均ケース (Bayes): プロセス事前分布（積分ブラウン運動）を用いて、相補的な確率的フロアを確立している。
  • 統一された境界: 到達可能性レマと、滑らかさの制約付きボール内で構成された空間パッキングに対する Fano 引数を組み合わせている。
• 上界の構成:
  • $k=0$ の場合、プールされた永続性推定量（in-window サンプルの経験分布）を分析している。
  • $k \ge 1$ の場合、測地線/重心回帰に依存する共変（development-based）フォキャスターを提案している。

3. 主要な貢献と結果

A. 正確な過去のフロア（サンプリングノイズなし）

過去のすべてが正確に観測されている場合でも、予測は時間的な滑らかさによって制限される：

• 最悪ケース (定理1): ミニマックス・リスクは $\frac{\varepsilon h^{k+1}}{(k+1)!}$ によって下限付けられる。
• 平均ケース (定理2): ガウス過程事前分布の下で、リスクは $\frac{d \sigma^2 h^{2k+1}}{(k!)^2(2k+1)}$ によって下限付けられる。
• 意義: これらは、サンプルサイズに依存しない、観測されていない未来による不可避なコストを表している。

B. 統計的フロア（有限サンプル）

データが有限であるとき、リスクは2つの相互作用する成分に分かれる：

• 分離された境界 (定理3): リスクは、次元に依存しない外挿フロアと、次元の呪いを受ける形状フロア（$M^{-\gamma_d}$）の最大値となる。
• 位置チャネル (定理4): 平行移動サブモデルにおいて、このレートは古典的な非パラメトリック Hölder レート $M^{-(k+1)/(2k+3)}$（ここで $\beta = k+1$）を回収し、パラメトリックなフロアを鋭利化する。

C. 統一された時間・空間的ミニマックス・レート（主要結果）

定理5 は、規則的で局所的に輸送豊かな $\mathcal{P}_2(\mathbb{R}^d)$ のサブクラスに対する統一された下界を提供する：
$$\text{Risk} \gtrsim \max \left( \frac{\varepsilon h^{k+1}}{(k+1)!}, \sup_{0 < H \le L} \min \left( c_k \varepsilon H^{k+1}, c (M_{H, \text{eff}})^{-\gamma_d} \right) \right)$$
ここで、$M_{H, \text{eff}}$ はウィンドウ $H$ 内のデザイン重み付き有効サンプルサイズである。

• 閉形式のレート (系2): 密な（等間隔の）領域において、最適なバンド幅 $H^\#$ はバイアスと分散のバランスを取り、以下の $M$ 指数を持つミニマックス・レートを与える：
  $$\gamma = \frac{\gamma_d (k+1)}{k+1 + \gamma_d}$$
  ここで $\gamma_d = \min(1/d, 1/2)$ である。
  • これは、静的な形状レート（$k \to \infty$）と純粋な外挿フロア（$k=0$）の間を補間する。
  • $d \ge 3$ の場合、レートは $M^{-(k+1)/(d(k+1)+1)}$ となる。

D. 上界と未解決問題

• $k=0$ (定理6): プールされた永続性推定量は、統一されたレート $M^{-1/(d+1)}$（$d \ge 3$ の場合）を達成し、$k=0$ において下界が鋭いことを証明している。
• $k \ge 1$ (予想1): 著者らは、以下の2つの推定値に対して条件付きでレートを達成する共変フォキャスターを提案している：
  1. 曲率安定性バイアス境界（比較幾何学）。
  2. 最適輸送マップの推定レート。
• 未解決問題: 一般的な $\mathcal{P}_2(\mathbb{R}^d)$ における $k \ge 1$ の無条件な一致上界は、依然として未解決の問題である。

4. 意義と主張

本論文は、滑らかさの仮定の下での分布予測の根本的な限界を確立することを主張している。その主な貢献は以下の通りである：

1. 統一: 時間的外挿（バイアス）と空間的推定（分散）を統一する単一の理論的枠組みを提供し、「動く標的」という性質がいかに静的な推定レートを劣化させるかを示している。
2. フェーズ構造: 外挿誤差（大きなホライゾン $h$）によって支配される領域と、統計的推定誤差（小さな $h$、大きな $M$）によって支配される領域の間の鋭いフェーズ境界を特定している。
3. 技術的新規性: 「時間から空間への簡約」（レマ5）が中心的な技術的革新として提示されており、これにより、統一された下界を導出するために時間軸に沿って輸送パッキングを埋め込むことが可能となっている。
4. 検証: 合成データおよび実データ（株式リターン、気温）を用いた数値実験は、予測された指数とフェーズ境界の存在を裏付けているが、著者らは本論文の貢献は理論的であり、実験はあくまで例示であると明記している。

著者らは、$k \ge 1$ の上界については控えめなトーンを維持しており、それを、平坦なサブモデルでは証明されているものの、一般的な無限次元の場合には依然として予想の域を出ない、特定の幾何学的特性およびマップ推定の特性に依存する条件付きの結果として位置づけている。