Stochastic homogenization for Hamilton-Jacobi-Bellman equations on continuum percolation clusters

Resumo Técnico: Homogeneização Estocástica de Equações de Hamilton-Jacobi-Bellman em Clusters de Percolação Contínua

Enunciado do Problema
O artigo aborda a homogeneização estocástica de equações de Hamilton-Jacobi-Bellman (HJB) aleatórias definidas no componente conexo ilimitado (cluster infinito) de um modelo de percolação contínua em $\mathbb{R}^d$ ($d \geq 2$). Especificamente, os autores estudam o comportamento assintótico quando $\varepsilon \to 0$ da solução viscosa $u^\varepsilon$ para a equação:
$$\partial_t u^\varepsilon = \frac{\varepsilon}{2} \text{div}\left( a\left(\frac{x}{\varepsilon}, \omega\right) \nabla u^\varepsilon \right) + H\left(\frac{x}{\varepsilon}, \nabla u^\varepsilon, \omega\right),$$
formulada no domínio $(0, T) \times \varepsilon C_\infty(\omega)$, onde $C_\infty(\omega)$ é o cluster infinito que contém a origem.

O ambiente apresenta desafios significativos distintos da homogeneização clássica:

1. Degenerescência: O coeficiente de difusão $a(x, \omega)$ é degenerado elíptico; seu suporte é restrito ao fechamento do cluster infinito, o que significa que o operador não é uniformemente elíptico.
2. Não-Estacionariedade: A análise é conduzida sob a medida de probabilidade condicional $P_0(\cdot) = P(\cdot \mid 0 \in C_\infty)$. Ao contrário da medida incondicional $P$, $P_0$ não é invariante sob o grupo de translação $\{\tau_x\}_{x \in \mathbb{R}^d}$, quebrando as suposições de estacionariedade padrão utilizadas na literatura de homogeneização prévia.
3. Correlações de Longo Alcance: O modelo não assume dependência de alcance finito (estrutura i.i.d.); os modelos de percolação podem possuir correlações de longo alcance.

O Hamiltoniano $H$ é assumido como convexo e coercivo em relação à seminorma induzida pela matriz degenerada $a$, mas não é necessariamente uniformemente coercivo em relação à norma euclidiana.

Metodologia
A estratégia de prova é inspirada no método de Kosygina-Rezakhanlou-Varadhan [KRV06], originalmente desenvolvido para equações HJB em ambientes estacionários, ergódicos e uniformemente elípticos. Os autores adaptam este arcabouço para o cenário não-estacionário e degenerado através de várias inovações técnicas fundamentais:

1. Representação por Controle Ótimo: A solução $u^\varepsilon$ é representada via uma fórmula variacional envolvendo um problema de controle ótimo para difusões no cluster de percolação. Os autores utilizam um espaço de probabilidade auxiliar para amostrar controles progressivamente mensuráveis, permitindo um tratamento rigoroso do "ambiente visto pela partícula".
2. Teorema Erguódico para Medidas Não-Estacionárias: Um passo crucial envolve estabelecer um teorema ergódico para o processo do ambiente sob a medida condicional $P_0$. Como $P_0$ não é invariante por translação, os autores empregam "deslocamentos induzidos" $\sigma_e$ definidos pelas chegadas sucessivas do cluster ao longo dos eixos coordenados. Eles provam que esses deslocamentos induzidos preservam $P_0$ e são ergódicos, permitindo a aplicação do teorema ergódico de Birkhoff para derivar a lei dos grandes números para a trajetória da difusão.
3. Análise Variacional e Teoremas Min-Max: Os autores derivam uma fórmula variacional para o Hamiltoniano efetivo. Diferente da abordagem de [KRV06], que depende da restrição de problemas variacionais a regiões limitadas para garantir compacidade (uma técnica incompatível com a $P_0$ não-invariante por translação), este artigo utiliza:
   • Coercividade Intrínseca: Aproveitando a coercividade do Hamiltoniano em relação à matriz degenerada $a$ para estabelecer a compacidade fraca dos gradientes em $L^{1+\delta}(P_0)$.
   • Estrutura de Entropia Relativa: Introduzindo um termo de entropia relativa subtrativo na análise variacional. Este termo fornece a coercividade necessária para aplicar um segundo teorema min-max, facilitando a extração de um limite fraco $G$.
4. Corretores e Crescimento Sublinear: A existência de um "corretor" $V_G$ (uma integral de caminho do limite fraco $G$) é estabelecida. Os autores provam que $V_G$ exibe crescimento sublinear ($o(|x|)$) quase certamente com relação a $P_0$. Este resultado depende fortemente das propriedades geométricas específicas dos clusters de percolação contínua (por exemplo, decaimento exponencial de distâncias e propriedades de recorrência) em vez de argumentos de contagem combinatória usados em configurações discretas.

Principais Contribuições e Resultados

• Teorema Principal (Teorema 2.1): Os autores provam que, $P_0$-quase certamente, a solução $u^\varepsilon$ converge uniformemente em conjuntos compactos para uma solução homogênea $u_{\text{hom}}$. O limite $u_{\text{hom}}$ resolve a equação efetiva:
  $$\partial_t u_{\text{hom}} = \bar{H}(\nabla u_{\text{hom}}), \quad u_{\text{hom}}(0, x) = f(x),$$
  onde $\bar{H}$ é o Hamiltoniano efetivo.
• Fórmula Variacional para o Hamiltoniano Efetivo: O Hamiltoniano efetivo $\bar{H}(\theta)$ é caracterizado por uma fórmula variacional:
  $$\bar{H}(\theta) = \inf_{G \in \mathcal{G}_\delta} \left( \text{ess sup}_{P_0} \left[ \frac{1}{2} \text{div}(a(G+\theta)) + H(G+\theta) \right] \right),$$
  onde $\mathcal{G}_\delta$ é uma classe de funções que satisfazem limitação $L^{1+\delta}$, uma propriedade de rotacional nulo no cluster e uma propriedade refinada de "média induzida zero" adaptada à medida não-estacionária.
• Princípio de Grandes Desvios (Corolário 2.2): Como aplicação direta, o artigo estabelece um princípio de grandes desvios quenched para uma difusão degenerada com deriva aleatória em um cluster de percolação contínua. A função de taxa é dada pela transformada de Legendre-Fenchel do Hamiltoniano efetivo.
• Relaxação de Suposições: O trabalho remove o requisito de elipticidade uniforme dentro do cluster e a suposição de dependência de alcance finito (i.i.d.), permitindo modelos com correlações de longo alcance.

Significância e Alegações
O artigo afirma ser o primeiro caso em que a homogeneização estocástica de equações HJB foi estudada em clusters de percolação. Os autores destacam que as propriedades inerentes da percolação — especificamente a não-invariância por translação e a não-elipticidade — permeiam toda a análise, exigindo novas ferramentas matemáticas.

A significância reside em:

1. Unindo Estruturas: Adaptar com sucesso o método de [KRV06], anteriormente limitado a ambientes estacionários e elípticos, para o contexto não-estacionário e degenerado da percolação contínua.
2. Tratamento da Não-Estacionariedade: Desenvolver um arcabouço rigoroso para a homogeneização sob a medida condicional $P_0$, que é essencial para estudar o comportamento quase certo de processos iniciados na origem em meios aleatórios.
3. Caracterização Variacional: Fornecer uma representação variacional do Hamiltoniano efetivo que reflete explicitamente as restrições geométricas do cluster de percolação (via a condição de média zero induzida e o espaço de funções específico $\mathcal{G}_\delta$).

Os autores mantêm um tom modesto quanto às aplicações, observando que, embora o método possa potencialmente ser estendido a abordagens subaditivas (como usado em [So99, AT14]), sua principal contribuição é o estabelecimento da fórmula variacional e a prova da homogeneização neste cenário geométrico específico e desafiador, sem assumir elipticidade uniforme ou estruturas i.i.d.