$\lambda$-geodesic convexity of the squared sliced-Wasserstein distance

기술 요약: 제곱된 슬라이스 와서스타인 거리의 $\lambda$-지오데식 볼록성

문제 정의
본 논문은 최적 운송 이론(optimal transport theory)의 근본적인 한계를 다룬다. 고정된 타겟 측도 $\nu$에 대한 제곱 와서스타인 거리 $W_2^2(\cdot, \nu)$는 차원이 $d \geq 2$인 경우 확률 측도 공간 $\mathcal{P}_2(\mathbb{R}^d)$ 상에서 일반적으로 지오데식 볼록(geodesically convex)하지 않다. 이 함수는 차원이 $d=1$일 때 2-지오데식 볼록성을 가지지만, 고차원에서의 볼록성 결여는 경사 흐름(gradient flows)의 분석과 해의 유일성을 어렵게 만든다.

고차원 와서스타인 거리의 계산 비용을 완화하기 위해, 슬라이스 와서스타인 거리($SW_2$)가 도입되었다. 이는 모든 직선으로의 투영(projection)에 대한 1차원 와서스타인 거리의 평균으로 정의된다. 본 연구의 핵심 질문은, 밀도가 유계인 측도 집합 위에서 제곱된 슬라이스 와서스타인 거리 $F_\nu(\rho) = \frac{1}{2}SW_2^2(\rho, \nu)$가 1차원의 경우와 유사한 $\lambda$-지오데식 볼록성 성질을 갖는지 여부이다.

방법론
저자들은 $\lambda$-지오데식 볼록성을 확립하기 위해 최적 운송 이론, 기하학적 분석, 그리고 함수 해석학의 조합을 활용한다. 방법론은 다음과 같이 세 가지 주요 단계로 진행된다.

1. 경사 흐름 식별: 본 논문은 먼저 슬라이스 와서스타인 흐름(SWF)—밀도 $\rho$가 타겟 $\nu$를 향해 등방적으로 연속 시간 진화하는 과정—이 범함수 $F_\nu$의 와서스타인 경사 하강(Wasserstein gradient descent)에 해당함을 입증한다. 이 흐름을 구동하는 속도장(velocity field) $v[\rho]$는 $F_\nu$의 1차 변분(first variation)의 음의 기울기로 명시적으로 유도된다.
2. 속도장의 리프시츠(Lipschitz) 상: 핵심적인 기술적 전략은 $v[\rho] + \frac{1}{d}\text{id}$가 상수 $L$에 대해 리프시츠 연속이면, $F_\nu$는 $\lambda = \frac{1}{d} - L$에 대해 $\lambda$-지오데식 볼록임을 나타내는 보조정리(Lemma) 3.1에 의존한다. 결과적으로 문제는 속도장 $v[\rho]$에 대한 균등한 리프시츠 상을 유도하는 문제로 귀결된다.
3. 투영의 분석: 리프시츠 상을 구속하기 위해, 저자들은 1차원 투영에서의 최적 운송 맵의 미분을 분석한다. 그들은 운송 맵 $T_\vartheta$의 미분을 소스 밀도의 투영 $\rho_\vartheta$와 타겟 밀도의 투영 $\nu_\vartheta$의 비율과 연관시킨다.
   • 사례 1 (강한 가정): 초기에 저자들은 타겟 측도 $\nu$의 투영이 균등하게 아래로부터 유계($\nu_\vartheta \geq c_0 > 0$)인 경우를 고려한다. 이는 직접적인 추정을 가능하게 하지만, 차원을 $d \leq 3$으로 제한하는 매우 제한적인 조건임이 밝혀졌다.
   • 사례 2 (일반적 가정): 저자들은 타겟 측도 $\nu$가 특정 기하학적 조건(가정 4.6)을 만족할 때 더 견고한 결과(정리 4.4)를 도출한다. 이 조건은 $\nu$의 서포트(support) 경계 근처에서의 밀도 하한을 부과한다: $\nu_\vartheta(r) \geq \kappa (\min\{N_\vartheta(r), 1-N_\vartheta(r)\})^\alpha$, 여기서 $N_\vartheta$는 투영의 누적 분포 함수이다.

주요 기여 및 결과

• 정리 4.4 (주요 결과): 본 논문은 가정(4.6)을 만족하는 타겟 측도 $\nu$와 밀도 상한이 $M$인 측도 집합 $K = \{\rho \in \mathcal{P}_2(\mathbb{R}^d) : \|\rho\|_{L^\infty} \leq M\}$에 대하여, 범함수 $F_\nu$가 $K$ 위에서 $\lambda$-지오데식 볼록함을 증명한다. 볼록성 계수(convexity modulus)는 다음과 같다:
  $$\lambda = \frac{1}{d} - \frac{c(d)}{(1 - \frac{\alpha d}{d-1})\kappa} M^{1/d}$$
  여기서 $c(d)$는 차원에만 의존하는 상수이며, $\kappa$와 $\alpha$는 가정(4.6)의 특성을 결정하는 $\nu$의 파라미터이다. 저자들은 $\lambda$가 일반적으로 음수이며 밀도 상한 $M$이 증가함에 따라 감소한다는 점, 즉 밀도가 높은 측도에 대해서는 볼록성이 퇴화함을 언급한다.
• 타겟 측도에 대한 기하학적 조건: 본 논문은 가정(4.6)에 대한 상세한 분석을 제공하며, 이 가정이 매끄럽고 균등 볼록한 영역 위에서 0으로부터 떨어져 있는 밀도를 가진 측도(예시 4.10) 및 서포트 근처에서 특정 멱법칙(power-law) 거동을 보이는 측도(예시 4.8)에 의해 충족됨을 보여준다.
• 슬라이스 와서스타인 흐름의 유일성: $\lambda$-지오데식 볼록성 결과의 직접적인 결과로서, 저자들은 슬라이스 와서스타인 흐름의 적절성(well-posedness)을 확립한다. 구체적으로 부록 1.1은 $\nu$가 (4.6)을 만족하고 초기 데이터 $\rho_0$가 $L^\infty$에 속할 경우, $L^\infty$ 노름이 국소적으로 유계로 유지되는 흐름 방정식 (1.3)의 유일한 해 $\{\rho_t\}_{t \geq 0}$가 존재함을 명시한다.
• 차원 제약: 본 논문은 "균등하게 아래로부터 유계인 투영" 조건의 기하학적 한계를 명확히 하며, 이러한 측도는 본질적으로 차원 $d \leq 3$에서만 존재할 수 있음을 비고(Remark) 4.2를 통해 보여준다.

의의 및 주장
본 논문은 계산 효율성 덕분에 머신러닝 및 데이터 과학 분야에서 널리 사용되는 메트릭인 슬라이스 와서스타인 거리에 대해 지오데식 볼록성 이론을 확장하는 데 일차적인 의의가 있다고 주장한다. 현실적인 밀도 상한 하에서 $\lambda$-지오데식 볼록성을 증명함으로써, 저자들은 기존의 슬라이스 와서스타인 흐름을 엄밀하게 분석할 수 있는 이론적 토대를 마련하였다.

구체적으로, 저자들은 이 결과가 다음을 가능하게 한다고 강조한다:

1. SWF 해의 유일성을 보장하며, 이는 일반적인 조건 하에서 이전에 확립되지 않았던 성질이다.
2. 이산 조던-킨더러-오토(JKO) 스킴의 연속 흐름 해에 대한 수렴 속도를 함의한다.
3. 향후 $SW_2$를 포함하는 연구에서 **흐름 교환 기법(flow interchange technique)**의 사용을 허용한다.

저자들은 자신의 볼록성 결과의 범위에 대해 겸허한 태도를 유지하며, $\lambda$가 종종 음수(표준적인 의미에서 약한 볼록성 또는 심지어 오목성을 의미함)이고 밀도 상한 $M$이 커짐에 따라 볼록성 계수가 악화된다는 점을 명시적으로 언급한다. 저자들은 새로운 알고리즘이나 실험적 검증을 제안하는 것이 아니라, 기존의 슬라이스 운송 방법들의 동작을 엄밀하게 분석하는 데 필요한 이론적 기초를 제공하는 것을 목표로 한다.