Quantitative homogenization of convex Hamilton-Jacobi equations in the Wasserstein space

Technische Samenvatting: Kwantitatieve Homogenisering van Convex Hamilton–Jacobi Vergelijkingen in de Wasserstein-ruimte

Probleemstelling
Dit artikel onderzoekt het asymptotische gedrag en de kwantitatieve convergentiesnelheden van eerste-orde Hamilton–Jacobi (HJ) vergelijkingen gepositioneerd op de Wasserstein-ruimte van Borel-waarschijnlijkheidsmaten met een eindig tweede moment, aangeduid als $P_2(\mathbb{R}^d)$. De primaire vergelijking die wordt bestudeerd is:
$$\begin{cases} -\partial_t U^\varepsilon + \int_{\mathbb{R}^d} H\left(\frac{x}{\varepsilon}, x, D_m U^\varepsilon(t, m, x), m\right) m(dx) = 0, & (t, m) \in [0, T) \times P_2(\mathbb{R}^d), \\ U^\varepsilon(T, m) = G(m), & m \in P_2(\mathbb{R}^d), \end{cases}$$
waarbij $H$ een convexe Hamiltonian is die snelle ruimtelijke oscillaties vertoont op schaal $\varepsilon > 0$ via de snelle variabele $x/\varepsilon$. De oplossing $U^\varepsilon$ representeert de waardefunctie van een mean field control-probleem waarbij een grote populatie interagerende agenten een gemeenschappelijk kostenfunctional minimaliseert in een heterogene omgeving.

De auteurs adresseren twee verschillende instellingen gebaseerd op de afhankelijkheid van de Hamiltonian $H(y, x, p, m)$:

1. Niet-multiscale instelling (Aanname A1'): $H$ hangt alleen af van de snelle variabele $y = x/\varepsilon$ en de impuls $p$, onafhankelijk van de macroscopische variabele $x$ en de maat $m$.
2. Multiscale instelling (Aanname A1): $H$ hangt af van de snelle variabele $y$, de macroscopische variabele $x$, de impuls $p$, en de maat $m$.

Het doel is om te bewijzen dat $U^\varepsilon$, naarmate $\varepsilon \to 0$, uniform convergeert naar een limiet $U$ die een effectieve HJ-vergelijking met een gehomogeniseerde Hamiltonian $\bar{H}$ bevredigt, en om scherpe kwantitatieve snelheden voor deze convergentie vast te stellen.

Methodologie
De auteurs maken gebruik van een combinatie van optimale controletheorie, viscositeit-oplossingstechnieken en probabilistische methoden die zijn afgestemd op de oneindig-dimensionale Wasserstein-ruimte.

1. Controle-representatie en Equivalentie van Controle-sets:
   Een centrale technische hindernis is het gebrek aan lokale compactheid in $P_2(\mathbb{R}^d)$, wat standaard dubbeling-van-variabelen argumenten gebruikt in eindige dimensies bemoeilijkt. Om dit te omzeilen, stellen de auteurs eerst vast dat de waardefunctie $U^\varepsilon$ invariant blijft onder verschillende klassen van toegestane controles. Ze breiden de standaard verzameling van progressief meetbare controles $\mathcal{A}$ uit naar grotere verzamelingen $\mathcal{A}_1$ (meetbaar met betrekking tot tijd en de filtratie) en $\mathcal{A}_2$ (meetbaar met betrekking tot een onafhankelijke Gaussische willekeurige variabele). Dit stelt hen in staat het stochastische controleprobleem te herformuleren naar een deterministisch optimaal transportprobleem bestaande uit willekeurige paden $\gamma$ die willekeurige variabelen $X$ en $Y$ verbinden.

2. Reductie naar Kostenfuncties:
   Door de equivalentie van controle-sets te exploiteren, herschrijven de auteurs de waardefunctie $U^\varepsilon$ in termen van een lopende kostenfunctie $h^\varepsilon$, die de minimale actie representeert die vereist is om een deeltje van $x$ naar $y$ te transporteren over een tijdsinterval met de oscillerende Lagrangiaan $L$. Specifiek tonen zij aan dat:
   $$U^\varepsilon(t, m) = \inf_{\nu \in P_2} \left( \inf_{(X,Y) \in E_{m,\nu}} \mathbb{E}[h^\varepsilon(t, T, X, Y)] + G(\nu) \right).$$
   Deze reductie maakt de toepassing mogelijk van technieken ontwikkeld voor eindimedimensionale homogenisering (specifiek die van Tran en Yu) op de oneindig-dimensionale setting.

3. Subadditiviteit en Superadditiviteit:
   Voor het niet-multiscale geval wordt de convergentiesnelheid afgeleid met behulp van de subadditiviteit en superadditiviteit eigenschappen van de kostenfunctie $h^\varepsilon$. Deze eigenschappen, afkomstig van de eindimedimensionale resultaten, garanderen het bestaan van een gemiddelde kostenfunctie $h$ en leveren de $O(\varepsilon)$ foutmarge.

4. Tijd-partitionering voor Multiscale Afhankelijkheid:
   In het algemene multiscale geval (waar $H$ afhangt van $x$ en $m$), kunnen de auteurs de $O(\varepsilon)$ argument niet direct toepassen vanwege de trage variabelen. In plaats daarvan partitioneren zij het tijdsinterval $[t, T]$ in $N$ subintervallen. Op elk subinterval "bevriezen" zij de trage variabelen ($x$ en $m$) op hun initiële waarden, waardoor het probleem lokaal wordt gereduceerd tot het niet-multiscale geval. Zij optimaliseren vervolgens het aantal partities $N$ om de homogeniseringsfout ($O(\varepsilon)$) en de bevriezingsfout ($O(1/N)$) in balans te brengen, wat resulteert in een $O(\sqrt{\varepsilon})$ snelheid.

5. Identificatie van de Limiet:
   Zodra de uniforme convergentie is vastgesteld, gebruiken de auteurs een geperturbeerde testfunctie methode (dubbeling van variabelen) in de gelifte Hilbertruimte $L^2(\Omega; \mathbb{R}^d)$ om te verifiëren dat de limiet $U$ de unieke $L$-viscositeitoplossing is van de effectieve vergelijking. De uniciteit van viscositeitoplossingen in de Wasserstein-ruimte (vastgesteld in eerdere literatuur) waarborgt de identificatie van de limiet.

Belangrijkste Bijdragen en Resultaten

• Optimale Snelheid in Niet-Multiscale Setting (Theorem 1.1): Onder aanname (A1') bewijzen de auteurs dat $U^\varepsilon$ uniform convergeert naar de oplossing $U$ van de effectieve vergelijking met een snelheid van $O(\varepsilon)$. Dit komt overeen met de optimale snelheid die bekend is voor convexe HJ-vergelijkingen die alleen afhangen van de snelle variabele en de impuls.
• Kwantitatieve Snelheid in Multiscale Setting (Theorem 1.2): In de algemene aanname (A1), waarbij de Hamiltonian afhankelijk is van macroscopische variabelen en de maat, stellen de auteurs een convergentiesnelheid van $O(\sqrt{\varepsilon})$ vast. Dit breidt de multiscale homogeniseringsresultaten uit van eindimedimensionale naar de Wasserstein-ruimte.
• Dynamisch Optimaal Transport (Theorem 1.3): De resultaten worden uitgebreid naar dynamische optimale transportproblemen waarbij de eindvoorwaarde een beperking oplegt aan de uiteindelijke distributie (bijv. $G(m) = +\infty$ als $m \neq \nu$). De auteurs leiden convergentiesnelheden af voor de transportkosten $U^\varepsilon_{ot}$, waarbij zij $O(\varepsilon)$ tonen in het vereenvoudigde geval en $O(\sqrt{\varepsilon})$ in het algemene geval, met een expliciete afhankelijkheid van de Wasserstein-afstand tussen de initiële en de doelmaat.
• Corollary over Beperkte Controles (Corollary 1.5): Het artikel demonstreert dat voor niet-atomaire initiële maten de waardefunctie ongewijzigd blijft, zelfs als de controle-verzameling wordt beperkt tot controles die meetbaar zijn met betrekking tot de $\sigma$-algebra van de initiële toestand. Dit herstelt de eindimedimensionale optimale snelheid $O(\varepsilon)$ voor de klassieke HJ-vergelijking (wanneer de initiële maat een Dirac-massa is).

Significantie en Claims
De auteurs claimen dat dit werk de eerste kwantitatieve convergentieresultaten biedt voor Hamilton–Jacobi vergelijkingen in de Wasserstein-ruimte. Hoewel kwalitatieve homogenisering (convergentie zonder snelheden) voor oneindig-dimensionale HJ-vergelijkingen en dynamisch optimaal transport eerder is bestudeerd (bijv. door Gangbo en Tudorascu), stelt dit artikel scherpe snelheden vast.

Specifiek beweren het artikel:

1. Het breidt de optimale $O(\varepsilon)$ convergentiesnelheid voor convexe HJ-vergelijkingen uit van eindimedimensionale naar de oneindig-dimensionale Wasserstein-ruimte in de niet-multiscale setting.
2. Het biedt de eerste kwantitatieve analyse voor de multiscale setting in de Wasserstein-ruimte, resulterend in een $O(\sqrt{\varepsilon})$ snelheid.
3. De methodologie omzeilt succesvol het gebrek aan lokale compactheid in $P_2(\mathbb{R}^d)$ door gebruik te maken van controle-randomisatie en equivalente formuleringen, een techniek die de auteurs merken niet direct kan worden toegepast op problemen die betrokken zijn bij idiosyncratische of gemeenschappelijke ruis.

Het artikel concludeert door op te merken dat deze resultaten de kloof overbruggen tussen de eindimedimensionale homogeniseringstheorie en mean field control/optimaal transportproblemen in heterogene omgevingen, en daarmee een rigoureuze fundering bieden voor de effectieve dynamica van grote interagerende systemen.