Solving the Fokker-Planck equation of discretized Dean-Kawasaki models with functional hierarchical tensor

技术摘要：利用函数分层张量求解离散化 Dean-Kawaki 模型中的 Fokker-Planck 方程

问题陈述
本文旨在解决与 Dean-Kawaki (DK) 模型相关的随时间变化的 Fokker-Planck 方程 (FPE) 的求解挑战。DK 模型是一种描述相互作用粒子密度波动的随机偏微分方程 (SPDE)，在非平衡统计物理、涨落水动力学和基于智能体的建模中具有基础性意义。然而，数值求解其相关的 FPE 在计算上是极其困难的。主要困难在于状态空间的高维性：在对空间进行 $d$ 个网格单元离散化后，状态是一个受限于 $(d-1)$ 维概率单纯形（各分量非负且总和为 1）的粒子密度向量。传统的基于网格的 FPE 方法受限于“维度灾难”，而标准的密度估计技术难以处理单纯形约束以及 DK 模型中固有的强空间相关性。

方法论
作者提出了一种基于粒子的工作流，通过利用基于小波基的函数分层张量网络 (FHT-W)，通过密度估计来近似离散化 DK 模型的随时间演化的律则。该方法通过四个阶段进行：

1. 空间与时间离散化：
   使用有限体积方案在周期性定义域上对连续 DK SPDE 进行离散化。这通过将 SPDE 转化为一个由控制单元平均密度 $\Pi(t)$ 的随机微分方程 (SDE) 系统。离散化采用 Roe 格式处理确定性通量（涉及外部和两体势能），并采用特定的随机通量公式（基于文献 [32]），以确保数值稳定性并保持正定性。由此产生的 SDE 通过蒙特卡洛轨迹进行模拟，以生成一系列样本路径。

2. 坐标变换（从单纯形到欧几里得空间）：
   为了应用标准的张量网络密度估计，作者将状态从概率单纯形 $\Delta$ 映射到无约束的欧几里得空间。这通过两步变换实现：

   • 中心对数比 (CLR) 变换： 将密度向量 $\pi$ 映射到 $s$，其中 $s_i = \log(\pi_i) - \frac{1}{d}\sum_j \log(\pi_j)$。这把单纯形的内部映射到 $\mathbb{R}^d$ 中的一个超平面（满足 $\sum s_i = 0$），从而有效地消除了单纯形约束。
   • 小波变换： $s$ 坐标通过离散小波变换 (DWT) 进一步转换为小波系数 $c$。这一步利用了格点模型的多尺度结构。由于 DK 模型中相邻网格单元因扩散作用而具有强相关性，小波变换可以实现跨尺度的变量去相关，从而显著降低所得概率分布 $P_c(c, t)$ 的数值秩。

3. 函数分层张量 (FHT-W) 拟设：
   小波坐标空间中的概率密度使用函数分层张量 (FHT) 网络进行近似。具体而言，作者采用了 FHT-W 变体，即一种叶节点对应于小波系数的分层 Tucker (HT) 树张量网络。

   • 其树状结构镜像了小波变换的二进分解。
   • 密度被表示为在固定一元基函数（勒让德多项式）上的展开，其系数以低秩张量格式组织。
   • 这种表示方式使得存储复杂度随维度 $d$ 线性缩放，而非指数级增长，前提是分层秩保持在较低水平。

4. 通过插值估计观测值：
   为了从学习到的密度中计算物理观测值（例如熵），作者提出了一种插值方案。由于在原始 $\pi$ 空间中定义的观测值在小波 $c$ 空间中会变成复杂的函数，因此它们被使用交叉插值法压缩为 FHT-W 格式。这涉及求解由观测函数点评估导出的结构化线性方程，从而实现与密度张量的有效收缩。

核心贡献

• 一个综合性的计算框架： 本文提供了一个研究 DK 模型的完整流水线，通过密度估计弥合了随机粒子模拟与高维 PDE 求解之间的鸿沟。
• 处理单纯形约束： 引入中心对数比变换结合小波坐标，使得可以将张量网络方法应用于概率单纯形问题，而标准的欧几里得张量网络在处理此类问题时往往失效。
• 向高维度的可扩展性： 该方法成功处理了具有 $d=64$ 个自由度的系统（包括 1D 和 2D 情况），这一维度对于直接的 FPE 求解器或朴素的密度估计方法来说通常是难以处理的。
• 集成势能与相互作用： 该框架可以容纳外部势能 ($V_1$) 和两体相互作用势能 ($V_2$)，能够捕捉复杂的位点间相关性和相互作用效应。

结果
在 1D 和 2D 中的数值实验表明，FHT-W 方法能够准确捕捉概率律的随时间演化。

• 准确性： 该方法能够高保真地重现真实模型的位点间相关性和其他统计观测值。
• 稳定性： 在“强扩散”假设下，该工作流保持稳定，通过对噪声项应用钳制技术（clamping techniques）来防止在稀有事件中发生爆炸。
• 效率： 通过利用小波变换降低分布的有效秩，该方法在 $d=64$ 时实现了精确的结果，且仅需可控的张量秩（例如键维数 $r=20$），避免了与全张量表示相关的指数级存储成本。

意义与主张
作者将这项工作定位为并非一种新型的张量网络架构本身，而是将现有的基于树的张量网络（特别是 HT 格式）应用于一类具有挑战性的随机偏微分方程的稳健应用。其主要贡献在于构建了一个适用于 DK 模型的实用且可扩展的框架。论文声称，该方法为研究涨落水动力学的统计特性提供了一种可行的替代方案，特别是在需要理解完整的概率分布（而非仅仅是样本路径）的机制下。这项工作强调，几何变换（对数比和小波）与张量网络压缩的结合，对于克服相互作用粒子系统固有的维度障碍至关重要。