Nonlinear rough Fokker-Planck equations

도시를 가로질러 이동하는 거대한 인파를 상상해 보십시오. 단순한 시나리오에서 각 개인은 자신의 내부 나침반과 눈앞의 즉각적인 장애물에 따라 걷습니다. 하지만 더 복잡한 현실에서 각 개인의 경로는 전체 군중의 집단적 움직임에 의해서도 영향을 받습니다. 군중이 앞으로 밀려들면 모든 이들이 그 흐름을 따라 움직이려는 끌림을 느끼고, 군중이 옅어지면 압력이 변화합니다. 이것이 바로 전체의 행동이 부분의 행동을 형성하고, 다시 부분이 전체를 재형성하는 시스템의 본질입니다. 과학자들은 이를 평균장(mean-field) 시스템이라고 부릅니다. 이는 금융 시장이 단 한 명의 트레이더가 느끼는 공포에 어떻게 반응하는지부터 새 떼가 어떻게 무리 지어 날아다니는지, 혹은 질병이 인구 사이에서 어떻게 퍼지는지에 이르기까지 도처에서 나타납니다.

이러한 군중이 어떻게 진화할지 예측하기 위해 수학자들은 포커-플랑크(Fokker–Planck) 방정식이라 불리는 특정한 유형의 방정식을 사용합니다. 이것을 단 한 사람을 위한 지도가 아니라, 군중 자체를 위한 일기 예보라고 생각하십시오. 이 방정식은 사람들의 밀도가 시간과 공간에 따라 어떻게 변하는지를 예측합니다. 그러나 현실 세계의 시스템은 결코 평온하지 않습니다. 이들은 "노이즈(noise)"—무작위적이고 예측 불가능한 충격—의 영향을 받습니다. 때때로 이 노이즈는 한 사람에게만 닥치는 갑작스러운 돌풍처럼 각 개인에게 고유하게 나타납니다. 하지만 종종 도시 전체에 울리는 사이렌이나 갑작스러운 날씨의 변화처럼 모두에게 동시에 영향을 미치는 "공통 노이즈(common noise)"가 존재하기도 합니다. 공통 노이즈가 존재할 때, 군중을 위한 예보는 움직이는 목표물, 즉 훨씬 더 까다로운 방정식인 확률적 포커-플랑크 방정식으로 설명되어야 하는 무작위적이고 변화하는 풍경이 됩니다.

수십 년 동안 이러한 방정식을 푸는 것은 엄청난 도전 과제였습니다. 그 어려움은 방정식이 단순히 복잡할 뿐만 아니라, 규칙이 시스템의 상태에 따라 변하는 "비선형적(nonlinear)" 성질을 띠고 있으며, 한 지점에서의 행동이 전체 시스템의 상태에 의존하는 "비국소적(nonlocal)" 성질을 띠고 있다는 점에 있습니다. 기존의 해결 시도들은 고전적인 확률론적 분석 방법들에 의존했습니다. 이 방법들은 작동하기는 했지만, 그 대가가 매우 컸습니다. 즉, 시스템을 지배하는 수학적 규칙이 믿기 힘들 정도로 매끄럽고 규칙적이어야 한다는 조건이 필요했습니다. 실질적으로 이는 방정식이 작동하려면 근저에 있는 힘들이 매우 잘 정돈되어 있어야 함을 의미했으며, 시스템의 차원이 높아질수록 해(solution)의 복잡성이 기하급수적으로 커졌습니다. 그것은 마치 수학적 도구들이 작동하기 위해 세상이 완벽하게 매끄러울 것을 요구하는 것과 같았으며, 이는 물리학이나 금융의 무질서한 현실에서는 좀처럼 충족되기 어려운 조건이었습니다.

파비오 부기니(Fabio Bugini), 피터 K. 프리츠(Peter K. Friz), 그리고 빌헬름 스태낫(Wilhelm Stannat)이라는 연구팀은 이제 이러한 한계가 자연의 근본적인 법칙이 아니라, 이전에 사용되었던 도구들의 한계였음을 보여주었습니다. 그들은 "거친 경로 이론(rough path theory)"이라는 현대적인 프레임워크를 사용함으로써, 훨씬 덜 까다로운 조건 하에서도 이 방정식들을 풀 수 있음을 입증했습니다. 거친 경로 이론은 들쭉날쭉하고 불규칙한 경로를 다루는 방식으로, 이를 끊어진 선이 아니라 숨겨진 더 깊은 구조를 가진 객체로 취급합니다. 이 관점을 적용함으로써, 연구진은 시스템을 지배하는 규칙들이 이전에 생각했던 것보다 훨씬 덜 매끄러운 경우에도, 이 노이즈가 섞인 상호작용하는 군중을 기술하는 방정식이 유일하고 잘 정의된 해를 가짐을 증명했습니다.

그들 발견의 핵심은 관점의 전환입니다. 수학이 작동하도록 노이즈의 거칠기를 매끄럽게 만들려고 노력하는 대신, 그들은 거칠기를 받아들였습니다. 그들은 거친 경로 접근법이 오히려 계수(coefficients)—힘에 대한 수학적 기술—에 대해 더 적은 정칙성(regularity)을 요구한다는 것을 보여주었습니다. 이는 거친 경로 방법이 더 제한적일 것이라는 학계의 일반적인 믿음을 뒤집는 놀라운 역전입니다. 실제로 그것은 더 유연합니다. 연구진은 개별적 노이즈와 공통 노이즈가 모두 존재하는 상호작용하는 입자 시스템에 대해, 군중의 확률 분포가 진화하는 방식은 정확히 하나뿐임을 증명했습니다.

이 결론에 도달하기 위해 팀은 두 개의 서로 다른 수학 분야를 연결했습니다. 첫째, 그들은 개별 입자들을 살펴보았습니다. 그들은 공통 노이즈의 "거친 경로"를 포함하는 특정 유형의 확률 미분 방정식을 통해, 이 노이즈가 섞인 상호작용 환경을 통과하는 단일 입자의 경로를 추적할 수 있음을 보여주었습니다. 둘째, 그들은 군중 전체를 살펴보았습니다. 그들은 군중의 밀도 진화가 단순한 무작위적 추측이 아니라, 동일한 거친 경로에 의해 구동되는 비선형 편미분 방정식의 정확하고 유일한 해임을 입증했습니다. 이 결과의 아름다움은 개별적인 관점과 집단적인 관점이 완벽하게 일치한다는 점에 있습니다. 단일 입자의 경로와 군중의 흐름은 동전의 양면과 같으며, 거친 경로 프레임워크는 이 둘을 수학적 확실성으로 연결하는 가교 역할을 합니다.

이 연구는 중요한데, 그 이유는 차원에 의존하는 정칙성의 인위적인 장벽을 제거했기 때문입니다. 이전의 결과들은 시스템이 더 복적으로 변하거나 차원이 높아질수록, 방정식이 작동하기 위한 요구 조건이 불가능할 정도로 엄격해질 것이라고 시사했습니다. 새로운 연구 결과는 시스템의 계수들이 자연스럽고 차원에 무관한 조건을 만족하는 한, 해가 존재하며 유일하다는 것을 보여줍니다. 이는 훨씬 더 견고한 방식으로 공통 노이즈가 있는 복잡한 시스템을 모델링할 수 있는 길을 열어주며, 근저의 힘들이 완벽하게 매끄러워야 한다고 가정할 필요가 없게 만듭니다.

연구진은 또한 "공통 노이즈" 자체의 본질에 대해서도 다루었습니다. 많은 응용 분야에서 이 노이즈는 무작위 운동의 표준적인 수학적 표현인 브라운 운동(Brownian motion)으로 모델링됩니다. 그러나 그들의 접근 방식은 더 광범위합니다. 그것은 브라운 운동을 포함하여 거친 경로로 들어 올릴 수 있는(lifted into) 모든 경로에 대해 작동하며, 이는 더 불규칙한 유형의 노이즈로까지 확장됩니다. 이는 이 이론이 기존 모델의 단순한 개선이 아니라, 더 다양한 실제 시나리오를 다룰 수 있는 일반화된 모델임을 의미합니다. 그들은 확률 측도(probability measures)의 곡선을 통해 해를 특징지음으로써, 공유된 무작위성 속에서 조건부 법칙이 어떻게 진화하는지에 대한 엄밀한 토대를 제공했습니다.

본질적으로, 이 논문은 평균장 게임(mean-field games) 및 상호작용하는 입자 시스템 이론의 오랜 난제를 해결합니다. 연구진은 공통 노이즈의 영향을 받는 시스템의 진화가 '잘 정의된(well-posed)' 문제임을, 즉 유일하고 안정적인 해를 가짐을 증명했습니다. 이 증명은 거친 경로 기법과 확률 측도의 미분법(calculus of probability measures)—분포에 의존하는 함수들의 미분을 다루기 위해 개발된 분야—을 영리하게 결합한 결과입니다. 거친 경로 접근법이 전통적인 방식보다 실질적으로 더 낮은 수준의 정칙성을 요구한다는 것을 보여줌으로써, 저자들은 단순히 특정 수학적 문제를 해결한 것에 그치지 않고, 거친 경로 이론의 능력에 대한 오해를 바로잡았습니다. 이 결과는 전체가 부분의 합보다 큰, 노이즈가 섞인 복잡한 역학 시스템을 이해하기 위한 더욱 강력하고 유연한 도구 상자를 제공합니다.