Pointwise Convergence Analysis for Approximations of Optimal Transport Problems with a Target Measure that Has Unbounded Support

这是一份关于 Axel G. R. Turnquist 论文《具有无界支撑的目标测度的最优传输问题近似逐点收敛分析》（Pointwise Convergence Analysis for Approximations of Optimal Transport Problems with a Target Measure that has Unbounded Support）的详细技术总结。

1. 研究问题 (Problem Statement)

本文主要研究欧几里得空间 $\mathbb{R}^n$ 中的Monge 最优传输问题。具体设定如下：

• 源测度 ($\mu$)：具有紧支撑（compact support），通常定义在凸集 $\Omega$ 上，且具有概率密度函数。
• 目标测度 ($\nu$)：具有无界支撑（unbounded support），定义在整个 $\mathbb{R}^n$ 上，且具有概率密度函数。
• 核心挑战：由于目标测度的支撑集是无界的，直接数值求解（如使用 Monge-Ampère 方程求解器）在计算上不可行。因此，需要一种近似方法来处理无界性，并严格分析该近似方法对最优传输映射（Optimal Map）和势函数（Potential Function）的收敛性。

2. 方法论 (Methodology)

作者提出并分析了一种**截断近似（Cutoff Approximation）**方法：

1. 截断定义：引入一个截断半径 $R > 0$，定义目标测度的截断版本 $\nu_R$。$\nu_R$ 是将原测度 $\nu$ 限制在球 $B_R(0)$ 内并重新归一化得到的概率测度：
   $$\nu_R = \frac{\nu|_{B_R(0)}}{\nu(B_R(0))}$$
2. 近似问题：求解从 $\mu$ 到 $\nu_R$ 的最优传输问题（前向问题），以及从 $\nu_R$ 到 $\mu$ 的最优传输问题（逆问题）。
3. 收敛性分析：研究当 $R \to \infty$ 时，近似解（映射 $T_{\mu;R}, T_{\nu;R}$ 和势函数 $\phi_{\mu;R}, \phi_{\nu;R}$）如何收敛到原问题的真实解。
4. 理论工具：
   • 利用 Brenier 定理（针对平方距离代价函数 $c(x,y)=|x-y|^2$），将最优映射表示为凸势函数的梯度。
   • 基于 Delalande 和 M`erigot [7] 建立的 $L^2$ 稳定性界限。
   • 利用凸分析中的次微分（Subdifferential）理论、Rademacher 定理以及凸函数的一致收敛性质。
   • 针对径向对称情况，利用累积分布函数（CDF）的显式公式进行精确推导。

3. 主要贡献与结果 (Key Contributions & Results)

A. 径向对称情况 (Radial Case)

在源和目标测度均为径向对称的情况下，作者推导了适用于广泛代价函数（$c(x,y)=h(|x-y|)$）的显式逐点收敛速率：

• 收敛控制量：收敛速率主要由尾部概率 $1 - F_\nu(R)$ 控制，即目标测度在球 $B_R(0)$ 之外的质量。
• 具体速率：
  • 若 $\nu$ 具有有限的 $p$ 阶矩，收敛速率为 $O(R^{-p})$。
  • 若 $\nu$ 是对数凹分布（Log-concave）（包括高斯分布、指数分布等），收敛速率是指数级的，即 $O(R^{n-1}e^{-yR})$。
• 结论：对于径向对称问题，截断近似不仅收敛，而且在常见分布下收敛极快。

B. 一般情况 (General Case)

针对非径向对称情况，主要关注平方距离代价函数 $c(x,y) = \frac{1}{2}|x-y|^2$：

1. $L^2$ 稳定性与 $W_1$ 距离：
   • 利用 Delalande 和 M`erigot 的结果，建立了 Brenier 势函数和映射在 $L^2(\mu)$ 范数下的误差界限，该界限依赖于 $W_1(\nu, \nu_R)$（Wasserstein-1 距离）。
   • 证明了对于具有有限 $p$ 阶矩的分布，$W_1(\nu, \nu_R) \leq C R^{1-p}$；对于对数凹分布，$W_1$ 距离呈指数衰减。
2. 逐点收敛性 (Pointwise Convergence)：
   • 势函数：在源域 $\Omega$ 的任意严格开子集上，近似势函数 $\phi_{\mu;R}$ 逐点收敛到真实势函数 $\phi_\mu$。在 $\Omega$ 的闭子集上，收敛是一致的。
   • 最优映射：近似映射 $T_{\mu;R}$ 在 $\Omega$ 上几乎处处 (almost everywhere) 收敛到真实映射 $T_\mu$。由于最优映射可能不连续，无法保证全局逐点收敛，但几乎处处收敛已足够用于理论保证。
3. 显式收敛速率 (Explicit Rates)：
   • 在假设源密度有界且远离零、且 $\nu$ 的最高有限矩 $p > n$ 且 $p \geq 4$ 的条件下，利用 Brenier 势函数的 Hölder 连续性，推导出了非渐近的显式逐点收敛速率。
   • 速率形式为：$\|\phi_{\mu;R} - \phi_\mu\|_\infty \leq C \cdot (W_1(\nu, \nu_R))^{\frac{1-n/p}{1+n/q}}$。
   • 对于对数凹分布，这意味着指数级的收敛速度。
4. 逆问题 (Inverse Problem)：
   • 证明了逆 Brenier 势函数 $\phi_{\nu;R}$ 也是 Lipschitz 连续的。
   • 在相同条件下，逆映射 $T_{\nu;R}$ 同样几乎处处收敛到 $T_\nu$。

C. 数值计算应用 (Numerical Applications)

• 文章讨论了如何利用这些收敛理论来指导数值求解。
• 提出使用单调有限差分格式（Monotone Finite-Difference Schemes）（基于 Hamfeldt [10] 的工作）来求解截断后的 Monge-Ampère 方程。
• 指出由于截断近似具有理论保证的收敛性，这种数值方法在处理无界支撑问题时是**可证明收敛（provably convergent）**的。

4. 意义与影响 (Significance)

1. 理论突破：首次为具有无界支撑目标测度的最优传输问题提供了严格的逐点收敛性和显式收敛速率分析。之前的工作多集中在紧支撑或 $L^2$ 范数下的收敛。
2. 数值验证：为使用 Monge-Ampère 方程求解器处理无界域问题提供了理论依据。它证明了通过简单的截断（Cutoff）并配合适当的数值格式，可以得到高精度的近似解，特别是对于对数凹分布（如高斯分布），收敛速度极快。
3. 应用广泛：该结果适用于采样（Sampling）、移动网格方法（Moving Mesh Methods）以及贝叶斯推断等需要计算最优传输映射的领域。
4. 对数凹分布的优势：特别强调了对数凹分布（Log-concave distributions）在截断近似中的优越性，其指数级收敛速率使得数值计算非常高效。

总结

该论文通过引入截断近似，系统地解决了最优传输中目标测度无界带来的理论和计算难题。作者不仅证明了近似解的收敛性，还给出了具体的收敛速率（特别是针对对数凹分布的指数收敛），并建立了与数值求解 Monge-Ampère 方程的联系，为相关领域的数值算法设计提供了坚实的理论基础。