The optimal rate of convergence in mean field control via recoupled shadow flows

Resumo Técnico: A Taxa de Convergência Ótima em Controle de Campo Médio via Fluxos de Sombra Recoplados

Enunciado do Problema
O artigo aborda o problema da convergência quantitativa em controle ótimo de campo médio (MFC). Especificamente, busca-se determinar a taxa aguda na qual a função valor de um problema de controle estocástico de $N$ partículas, denotada por $V^N(t, x)$, converge para a função valor do problema de controle de campo médio correspondente, $U(t, m)$, conforme $N \to \infty$. O cenário envolve partículas evoluindo em um toro $\mathbb{T}^d$ sob movimentos brownianos independentes, com custos que são meramente Lipschitz contínuos em relação à distância 1-Wasserstein ($d_1$).

O desafio central, identificado no trabalho anterior de Daudin, Delarue e Jackson [DDJ24], é a "desigualdade difícil": provar que $U(t, m^N_x) \leq V^N(t, x) + C r_{N,d}$. Enquanto a "desigualdade fácil" ($V^N \leq U + \dots$) foi estabelecida usando cópias independentes de controles de campo médio, a desigualdade difícil é obstruída pelo fato de que os controles das partículas podem ser arbitrariamente correlacionados, impedindo uma lei dos grandes números de desacoplar a medida empírica do fluxo determinístico de campo médio. Tentativas anteriores produziram taxas não agudas (ex: $N^{-2/(3d+6)}$) devido à necessidade de regularização em argumentos de comparação, que falharam sob mera continuidade Lipschitz das funções de custo.

Metodologia: Fluxos de Sombra Recoplados
O autor introduz uma estratégia de prova baseada em teoria de controle que evita regularizar a função valor de dimensão infinita ou resolver a equação de Hamilton-Jacobi-Bellman no espaço de Wasserstein. Em vez disso, a prova constrói um "fluxo de sombra" $\nu_t$ para cada realização de um controle de $N$ partículas.

1. Construção do Fluxo de Sombra:

   • Partindo da medida empírica inicial, o fluxo de sombra é definido recursivamente em uma grade temporal com malha $h$.
   • Entre os pontos da grade, o fluxo evolui via uma equação de Fokker-Planck onde o drift é uma combinação convexa dos controles realizados das partículas. Crucialmente, os incrementos brownianos das partículas são descartados e substituídos por suavização térmica (difusão).
   • Em cada tempo de grade $s_k$, os componentes do fluxo de sombra são "recoplados" às partículas via transporte ótimo. A massa do fluxo de sombra é decomposta em $N$ pedaços de massa $1/N$ para minimizar o custo de transporte em relação às posições atuais das partículas. Este recoplamento é gratuito (não incorre em custo) e reseta o erro de acoplamento.

2. Sombreado da Medida Empírica:

   • O resultado quantitativo central é que o fluxo de sombra rastreia a medida empírica $\mu^N_t$ na taxa de medida empírica ótima $r_{N,d}$.
   • A análise de erro decompõe a diferença entre os fluxos em um desajuste de fluxo e um termo de ruído descartado (martingala).
   • A suavização térmica converte o desajuste de fluxo em uma singularidade integrável (ganho parabólico) e limita o termo da martingala. Um argumento de Grönwall fracamente singular fecha a estimativa, mostrando que o erro é limitado por $C(r_{N,d} + \sqrt{h})$. A otimização do tamanho da grade $h$ produz a taxa aguda.

3. Transferência de Custo:

   • Pela desigualdade de Jensen, o custo corrente do fluxo de sombra é limitado pelo custo médio das partículas mais um erro de acoplamento.
   • Como o fluxo de sombra é um competidor admissível para o problema de campo médio (resolvendo a equação de Fokker-Planck com drift limitado), o valor de campo médio $U$ é limitado superiormente pelo custo esperado deste competidor, estabelecendo a desigualdade difícil.

Principais Contribuições e Resultados

1. Taxas Ótimas para $d \geq 2$:
   O artigo prova que, para custos Lipschitz em $d_1$ (sem exigir semiconcavidade), a taxa de convergência é exatamente a taxa da medida empírica:
   $$|U(t, m^N_x) - V^N(t, x)| \leq C r_{N,d}$$
   onde $r_{N,d} = N^{-1/2}$ para $d=1$, $N^{-1/2}\sqrt{\log N}$ para $d=2$, e $N^{-1/d}$ para $d \geq 3$.

   • Isso confirma a conjectura de [DDJ24] e remove sua hipótese de semiconcavidade.
   • Para $d \geq 2$, a taxa é provada como ótima; ela não pode ser melhorada mesmo se os otimizadores de campo médio forem não-únicos ou instáveis.

2. O Caso Excepcional de Uma Dimensão ($d=1$):
   Em dimensão um, o benchmark da medida empírica $N^{-1/2}$ não é ótimo. Partículas cooperativas podem alcançar uma taxa mais rápida.

   • Limite Superior: O artigo constrói um "fluxo de sombra corrigido" que utiliza um filtro antecipatório (baseado no ruído futuro) para amortecer os modos de baixa frequência do erro, alcançando uma taxa de $N^{-4/7} \log^{1/7}(1+N)$.
   • Limite Inferior: Um sistema de partículas competidor é construído usando uma lei de Gibbs com uma temperatura inversa ajustada para equilibrar o custo de manter a correlação contra a redução na flutuação empírica. Isso produz um limite superior correspondente.
   • Otimalidade: Uma estimativa de estado fundamental de Schrödinger prova que o expoente polinomial $4/7$ é agudo. Partículas cooperativas superam a taxa de amostragem independente ($N^{-1/2}$), mas não podem atingir a taxa de quantização total ($N^{-1}$) porque devem lutar contra sua própria difusão.

3. Extensão para Ruído Comum:
   Os resultados são estendidos para sistemas com ruído comum aditivo ($\sigma_0 dW^0_t$). A construção do fluxo de sombra é adaptada congelando os caminhos idiossincráticos e condicionando no ruído comum. As mesmas taxas agudas se mantêm, com constantes independentes da intensidade do ruído $\sigma_0$.

Significância e Alegações
O artigo afirma resolver o problema aberto da taxa de convergência aguda em controle de campo médio sob suposições de regularidade mínima (custos Lipschitz).

• Mudança Metodológica: Ele se afasta de argumentos de comparação baseados em EDP no espaço de Wasserstein (que exigiam semiconcavidade e produziam taxas subótimas) para uma construção direta de teoria de controle. O "fluxo de sombra" serve como um análogo difusivo quantitativo do levantamento (lift) sem ruído, lidando efetivamente com a obstrução causada pelos ruídos brownianos independentes.
• Insight Dimensional: O trabalho destaca uma diferença fundamental em dimensão um, onde a interação entre energia de controle e difusão permite uma taxa estritamente entre a amostragem independente e a quantização total.
• Robustez: Os resultados são globais, mesmo quando o problema de campo médio carece de otimizadores únicos ou estáveis, cobrindo uma classe mais ampla de problemas do que os resultados de regularidade local anteriores (ex: [CJMSS26]).

O artigo conclui que a taxa da medida empírica é o benchmark correto para $d \geq 2$ na classe Lipschitz, enquanto $d=1$ exibe um fenôico único de "cooperação" que melhora este benchmark.