技術要約：制約付きコルモゴロフ幅

問題設定

本論文が取り組む中心的な問題は、**制約付き近似（constrained approximation）**の定量的解析である。古典的な近似理論では、コンパクト集合 $K$（モデルクラス）の要素を、次元 $n$ の有限次元線形空間 $V$ の関数を用いて近似することを目的とする。このプロセスの効率性は、コルモゴロフ幅（Kolmogorov width） $d_n(K)_X$ によって測定される。

しかし、多くの応用分野（数値PDE、学習理論、幾何学的デザインなど）では、近似関数が単調性、凸性、正値性を保持することや、モデルクラス $K$ 自体に留まることなどの追加的な制約を満たす必要がある。本論文では、近似関数が線形空間 $V$ と制約クラス $C$ の共通部分に属さなければならない場合の制約付きコルモゴロフ幅 $d_n(K, C)_X$ を定義し、これが近似効率にどのように影響するかを調査する。

主要な問いは、これらの制約を課すことが近似の漸近的な収束率を劣化させるかどうか（すなわち、$n \to \infty$ において $d_n(K, C)_X$ は $d_n(K)_X$ よりも著しく遅く減衰するのか？）である。

手法と定義

本論文は、様々な制限下での近似能力を測定するために、「幅（widths）」の体系的な枠組みを採用している。

1. 標準的な幅: 著者らは、コルモゴロフ幅 ($d_n$)、線形幅 ($\delta_n$)、およびゲランド幅 ($d_n$) の定義を回顧する。
2. 制約付き幅:
   • 制約付きコルモゴロフ幅 ($d_n(K, C)_X$): $f \in K$ を $V \cap C$ の要素によって近似する際の最悪誤差の、 $n$ 次元空間 $V$ に関する下限（infimum）。
   • $\gamma$-制約付き幅 ($d_n^{c, \gamma}(K)_X$): 近似対象が $V \cap K_\gamma$ に属さなければならないという緩和された定義。ここで $K_\gamma = \bigcup_{0 \le \lambda \le \gamma} \lambda K$ である。これは、近似対象がモデルクラスのスケールされたバージョンであることを許容する。
3. 関連する幅:
   • グリーディ幅 ($d_n^g(K)_X$): $K$ の要素によって生成される近似空間。
   • 制限付き幅 ($d_n^r(K)_X$): $K$ の線形スパンによって生成される近似空間。
4. 解析的ツール:
   • 補間理論: ベソフ空間と近似クラスを関連付けるために、実補間法を利用する。
   • K-関数ル: 補間空間を定義し、幅の上界を導出するために用いられる。
   • ジャクソンおよびベルンシュタインの不等式: 近似空間を特徴付け、異なる幅の定義間の等価性を確立するために用いられる。

主要な貢献と結果

1. 一般的な性質と比較（セクション 2–4）

本論文は、一般的なバナッハ空間およびコンパクト集合に対する様々な幅の基本的な関係を確立している。

• 不等式: 以下の幅の階層関係を証明している：
  $$d_n(K)_X \le d_n^r(K)_X \le d_n^g(K)_X \le \lim_{\gamma \to \infty} d_n^{c, \gamma}(K)_X \le d_n^{c, \gamma}(K)_X \le d_n^c(K)_X$$
• ヒルベルト空間における等価性: ヒルベルト空間における凸で中心対称な集合 $K$ に対して、制限付き、グリーディ、および $\gamma$-制約付き幅（$\gamma \to \infty$ のとき）は、標準的なコルモゴロフ幅と一致する。
• 一般の設定における効率の喪失: 本論文は、一般的なバナッハ空間と任意のコンパクト集合において、制約付き幅が標準的な幅よりも著しく大きくなる可能性があることを示している。
  • 定理 4.6: $d_n^r(K)_X \ge C\sqrt{n} d_n(K)_X$ となるバナッハ空間と集合が存在する。
  • 定理 4.7: ヒルベルト空間と凸集合において、$d_n^c(K)_X \le \lambda_n d_{m_n}(K)_X$ という形の直接的な比較が普遍的に成立することはない。すなわち、標準的な幅が小さくても、制約付き幅は大きなままとなる可能性がある。
  • 補題 4.8: $\ell_\infty$ における $\ell_1$ の単位球において、標準的な幅は $O(\sqrt{\log(m/n)/n})$ で減衰するが、制約付き幅は定数 ($1/2$) によって下から抑えられる。これは、厳格な制約 ($\gamma=1$) において深刻な効率の低下が生じることを示している。

2. 古典的な設定：補間空間と近似空間（セクション 5–6）

本論文は、焦点を「古典的な設定」、すなわち $K$ が $L_p$ 空間における特定の滑らかさのクラス（ベソフ空間、近似クラス）の単位球である場合に移す。

• 補間空間: 著者らは、補間空間 $X_{\theta, q}$ に対して、$\gamma$ が十分に大きい場合、$\gamma$-制約付き幅は標準的な幅と同じ速度で減衰することを証明している。具体的には、$d_n(U(Y))_X \sim \delta_n$ であれば、$d_n^{c, \tilde{\gamma}}(U(X_{\theta, q}))_X \lesssim \delta_n^\theta$ となる。
• 近似クラス: 近似クラス $A(\sigma, X)$ に対して、制限付き、グリーディ、および $\gamma$-制約付き幅は、標準的なコルモゴロフ幅と（$\gamma$ に関する定数を除いて）等しい。
  • 定理 6.2: 数列 $\sigma_n$ によって定義される近似クラスに対して、$d_n^r(U(\sigma, X))_X = d_n^{c, \gamma_n}(U(\sigma, X))_X = d_n(U(\sigma, X))_X = \sigma_n$ である。ここで $\gamma_n$ は準ノルム定数に依存する定数である。
• 精緻化された近似空間: これらの結果は精緻化された空間 $A_q^r$ にも拡張され、$\gamma$ が十分に大きい場合、$\gamma$-制約付き幅の漸近的な減衰率は標準的な幅と一致することが示されている。

3. 滑らかさのクラスとベソフ空間（セクション 7）

本論文は、前述の理論的メカニズムを、有界リプシッツ領域上のベソフ空間 $B_q^s(L_p(\Omega))$ に適用している。

• 上界: ベソフ空間が補間空間かつ近似空間の両方であることを利用して、著者らは $\gamma$-制約付き幅の上界を導出している。
• 主要な結果（定理 7.1）: ベソフ球 $U(B_q^s(L_\tau(\Omega)))$ の $L_p(\Omega)$ における幅について、パラメータに依存する $\gamma$ が存在して、以下が成り立つ：
  $$d_n^{c, \gamma}(U_s^{\tau, q})_{L_p} \lesssim (n+1)^{-(s/d - (1/\tau - 1/p)_+)}$$
  このレートは、これらのクラスに対する標準的なコルモゴロフ幅の既知の漸近的減衰と一致する。
• 限界: 著者らは、上界は確立されているものの、最適な近似に古典的な多項式やスプラインではなく確率的手法を必要とする「カシンの領域（Kashin regime）」における制約付き幅の下界については、依然として未解決の問題であると述べている。

意義と主張

本論文は、制約が性能を著しく悪化させる一般的な設定と、制約が影響を与えない古典的な滑らかさの設定を区別しながら、制約付き近似に関する体系的な研究を提供することを主張している。

• 古典的なクラスにおける効率の損失なし: 主要な肯定的な結果は、古典的なモデルクラス（ベソフ空間、近似クラス）において、$L_p$ 空間における制約（特に、近似対象がモデルクラスのスケールされたバージョンであることを許容する $\gamma$-制約）を課しても、近似の漸近的なレートは劣化しないということである。$\gamma$-制約付き幅は、標準的なコルモゴロフ幅と同じ速度で減衰する。
• $\gamma$ の役割: 本論文は、厳格な制約 ($\gamma=1$) は（$\ell_1/\ell_\infty$ の例に見られるように）大きな損失を招く可能性がある一方で、制約を緩和してスケーリング因子 $\gamma$（たとえ固定された有限の値であっても）を許容することは、最適な近似レートを回復するのに十分であることが多いことを強調している。
• 学習理論へのツール: $\gamma$-制約付き幅の導入は、モデルクラスに「近い」近似対象を求める学習理論によって動機付けられている。これらの結果は、滑らかさに関連する多くの実用的なシナリオにおいて、構造的な制約を課しても理論的な収束率を犠牲にすることなく実行できることを示唆している。

著者らは「カシンの領域」に関して謙虚な姿勢を崩しておらず、最適な無制約近似が非構成的な確率的手法に依存する場合において、制約付き幅の挙動はまだ完全には理解されていないことを明記している。