Central limit theorem for the Allen-Cahn equation with supercritical random initial conditions

Resumo Técnico: Teorema do Limite Central para a Equação de Allen-Cahn com Condições Iniciais Aleatórias Supercríticas

Enunciado do Problema
Este artigo investiga o comportamento em grande escala das soluções da equação de reação-difusão de Allen-Cahn em dimensões espaciais $d \ge 3$:
$$\partial_t u(t, x) = \Delta u(t, x) - \lambda u(t, x)^3, \quad t > 0, x \in \mathbb{R}^d,$$
onde $\lambda > 0$. O estudo foca no regime de condições iniciais aleatórias onde o campo $u(0, \cdot)$ é um campo gaussiano estacionário, centrado e suave, com correlações de curto alcance, especificamente definido como $u(0, \cdot) = \varrho * \xi$, onde $\xi$ é ruído branco espacial e $\varrho$ é um mollificador suave.

O desafio central abordado é a natureza supercrítica da equação em dimensões $d \ge 3$. Sob o reescalonamento difusivo padrão $u_\varepsilon(t, x) = \varepsilon^{-d/2} u(\varepsilon^{-2}t, \varepsilon^{-1}x)$, o termo não linear desaparece formalmente quando $\varepsilon \to 0$ (escalando como $\varepsilon^{d-2}$). Um reescalonamento ingênuo sugere que a solução deve convergir para a solução da equação do calor linear com dados iniciais de ruído branco. No entanto, como a equação é supercrítica no sentido das EDPs estocásticas singulares, o mapa solução não pode ser construído como um mapa contínuo em espaços funcionais padrão, impedindo uma justificação direta desse limite linear. O artigo visa caracterizar rigorosamente as estatísticas limitantes da solução reescalonada $u_\varepsilon$.

Metodologia
A prova combina técnicas probabilísticas com análise de EDPs, explorando especificamente o princípio do máximo e o cálculo de Malliavin. A metodologia diverge de trabalhos anteriores sobre dimensões críticas (por exemplo, $d=2$), que se baseavam em representações explícitas de soluções ou estruturas de martingale.

1. Cálculo de Malliavin e Linearização: Os autores utilizam o fato de que a derivada de Malliavin $D_y u(t, x)$ da solução satisfaz uma equação linearizada em torno da solução $u$:
   $$\partial_t D_y u = \Delta D_y u - 3\lambda u^2 D_y u.$$
   Crucialmente, devido à positividade do termo $u^2$ e à estrutura da equação, o princípio do máximo aplica-se a esta equação linearizada. Isso fornece um limite superior pontual na derivada de Malliavin: $0 \le D_y u_\varepsilon(t, x) \le p_t * \varrho_\varepsilon(x-y)$, onde $p_t$ é o núcleo do calor.

2. Desigualdades Funcionais: Esses limites pontuais na derivada de Malliavin são combinados com desigualdades do tipo Poincaré e desigualdades de covariância no espaço de Wiener. Isso permite aos autores controlar o tamanho (momentos) e o decaimento espacial das correlações da solução $u_\varepsilon$ e suas derivadas. Especificamente, eles estabelecem que o campo se comporta como um campo estacionário com correlações de curto alcance, satisfazendo as condições necessárias para um Teorema do Limite Central (TLC).

3. Decomposição e Expansão de Caos: Para analisar a variância e as correlações limitantes, os autores empregam uma iteração de Picard (expansão) da solução suave. Eles decompõem a solução em uma parte linear (impulsionada pelo ruído inicial) e uma parte não linear. Ao projetar sobre caos de Wiener, eles demonstram que, embora o termo não linear desapareça no sentido $L^2$ em grandes escalas, ele deixa uma marca não trivial na variância e cria correlações entre o limite e os dados iniciais.

Resultados Principais
O resultado principal (Teorema 1.1) estabelece que, à medida que $\varepsilon \downarrow 0$, a família de processos $(u_\varepsilon)_{\varepsilon > 0}$ converge em lei em $C((0, +\infty), \mathcal{S}'(\mathbb{R}^d))$ para um processo gaussiano que resolve a equação do calor:
$$u_\varepsilon \Rightarrow (\sigma_\lambda p_t * \tilde{\xi})_{t>0},$$
onde $\tilde{\xi}$ é um ruído branco espacial e $\sigma_\lambda$ é uma constante positiva dependente de $\lambda$.

O artigo detalha duas características específicas e não triviais deste limite:

1. Não Trivialidade da Variância: A constante $\sigma_\lambda$ depende de forma não trivial do parâmetro de acoplamento $\lambda$. Especificamente, $\lim_{\lambda \to +\infty} \sigma_\lambda = 0$. Isso indica que a não linearidade, embora desaparecendo no limite de reescalonamento, efetivamente "amortece" a variância da solução.
2. Criação de Ruído (Correlações): Para $\lambda$ suficientemente pequeno, o processo gaussiano limitante não é independente dos dados iniciais. O par $(u_\varepsilon, p(\cdot) * u_\varepsilon(0, \cdot))$ converge para um par gaussiano com correlações não triviais. Isso implica que o limite em grande escala retém uma "memória" da estrutura de ruído microscópico inicial, mediada pela não linearidade atuando em tempos curtos ($t=O(1)$).

Significado e Mecanismo
O artigo afirma que o mecanismo que impulsiona esses resultados difere fundamentalmente do caso crítico ($d=2$) estudado em trabalhos anteriores (por exemplo, [6], [10]).

• Crítico vs. Supercrítico: No caso crítico, a não linearidade e a difusão interagem continuamente, frequentemente exigindo limites de acoplamento fraco para domar divergências. No caso supercrítico ($d \ge 3$), a não linearidade é relevante apenas em escalas de tempo curtas ($t=O(1)$) antes que o reescalonamento difusivo domine.
• Heurística da "Camada de Tempo": Os autores propõem uma heurística onde a dinâmica em tempos curtos é dominada pelo fluxo de EDO $\partial_t u = -\lambda u^3$. Este fluxo transforma o campo gaussiano inicial $u(0, x)$ em uma função não linear $\Phi_\lambda(u(0, x))$. O comportamento subsequente em grande escala é então governado pela equação do calor atuando sobre este campo transformado. Isso explica por que o limite é gaussiano (devido ao TLC atuando sobre a média espacial do campo transformado) mas retém correlações não triviais com os dados iniciais (via o mapa não linear $\Phi_\lambda$).
• Robustez: Os autores observam que seus argumentos dependem principalmente da monotonicidade e da imparidade da não linearidade, combinadas com o princípio do máximo. Eles sugerem que essa abordagem é robusta e aplicável a uma classe mais ampla de problemas supercríticos, incluindo aqueles com dados iniciais de Poisson ou não linearidades ímpares de ordem superior ($-\lambda u^{2k+1}$), desde que os dados iniciais sejam centrados e simétricos.

Limitações e Escopo
O artigo afirma explicitamente que a prova de "criação de ruído" (correlações não triviais) é atualmente rigorosa apenas para $\lambda$ suficientemente pequeno. Embora a não trivialidade da variância seja demonstrada para todo $\lambda$, a caracterização completa do limite conjunto para $\lambda$ grande permanece um desafio técnico aberto dentro do quadro atual. Além disso, os resultados são restritos a correlações de curto alcance; o caso de correlações de lei de potência de longo alcance é notado como uma direção para trabalhos futuros, onde o limite pode ser um campo gaussiano fracionário. O método depende fortemente do princípio do máximo, tornando difícil estendê-lo diretamente a equações com ruído aditivo (como a equação $\Phi^4$), onde renormalização é necessária e princípios do máximo são delicados.