Uniform large deviation principles for the stochastic heat equation over unbounded sets of initial data

技术摘要：随机热方程在无界初始数据集上的一致大偏差原理

问题陈述
本文研究了定义在单位圆环 $D := \mathbb{R}/2\pi\mathbb{Z}$ 上的随机热方程（SHE）的小噪声大偏差原理（LDP）。该方程由下式给出：
$$\partial_t X^\varepsilon_x = \Delta X^\varepsilon_x + b(X^\varepsilon_x) + \sqrt{\varepsilon}\sigma(X^\varepsilon_x)\dot{W},$$
其中 $W$ 是时空白噪声，$\varepsilon > 0$ 是一个小参数，系数 $b$ 和 $\sigma$ 满足 Lipschitz 连续性和（次）线性增长条件。具体而言，$|\sigma(z)| \leq C(1+|z|^\lambda)$，其中 $\lambda \in (0, 1]$。

主要目标是建立族 $\{X^\varepsilon_x\}$ 当 $\varepsilon \to 0$ 时的一致大偏差原理（ULDP）。与以往通常仅在状态空间的紧集或有界集上证明一致性的工作不同，本文旨在建立在无界初始数据集上的 ULDP。具体而言，作者寻求在初始数据在 $L^q(D)$ 范数下有界、但在状态空间拓扑（例如 $L^p(D)$ 或 $C(D)$）中无界的集合上建立一致性，其中 $q < p$（或在连续情形下 $q < \infty$）。

方法论
作者采用了由 Budhiraja, Dupuis, 和 Maroulas 开发的弱收敛方法来研究大偏差，并由第一作者在 [39] 中将其扩展到非紧集。其核心方法论包括：

1. 受控方程（Controlled Equations）： 分析受控温和解 $X^{\vare,u}_x$ 在 $\varepsilon \to 0$ 时向骨架方程 $X^{0,u}_x$ 的收敛性。这种收敛必须在 $L^q$-有界初始数据 $x$ 以及 $L^2(0, T; L^2(D))$ 有界控制函数 $u$ 的集合上是一致的。
2. 正则性与适定性（Regularity and Well-Posedness）： 论文的大部分技术工作涉及为具有粗糙初始数据（$x \in L^q(D)$，其中 $q$ 可能小于状态空间指数 $p$）的 SHE 建立新的适定性和正则性结果。
   • 作者利用了热半群 $S(t)$ 的平滑性质，即估计式 $\|S(t)x\|_{L^p} \lesssim t^{-\frac{1}{2}(\frac{1}{q} - \frac{1}{p})} \|x\|_{L^q}$。
   • 他们将解分解为半群项 $S(\cdot)x$ 以及积分项（确定性卷积和随机卷积）。
   • 至关重要的是，他们证明了虽然如果 $x \in L^q$ 且 $q < p$，解 $X^\varepsilon_x$ 本身可能不在期望的路径空间（如 $C([0, T]; L^p)$）中，但余项 $X^\varepsilon_x - S(\cdot)x$ 具有必要的正则性。
3. 估计（Estimates）： 证明依赖于：
   • 确定性与随机卷积估计： 使用 Minkowski 不等式、Young 不等式和因子分解法来限制积分项。
   • Gronwall 方案： 建立关于 $\|X^{\vare,u}_x - X^{0,u}_x\|$ 的一致界限，以满足 ULDP 的充分条件。
   • 一致矩估计： 证明骨架解 $X^{0,u}_x$ 在 $L^q$-有界初始数据上满足一致的 $L^{\lambda \tilde{p}}$ 界限，这对于控制极限过程中的噪声项至关重要。

主要贡献与结果

1. $C([0, T]; C(D))$ 上的 ULDP（定理 0.2）：

   • 作者证明了在 $L^q(D)$ 有界的初始数据上，在一致拓扑 $C([0, T]; C(D))$ 下的 ULDP。
   • 条件： $2\lambda < q$。
   • 意义： 如果 $\lambda < 1/2$，则允许 $q=1$。这建立了在 $L^1$-有界初始数据集上的 ULDP，这在 $C(D)$ 拓扑中是高度无界的。这是一个能够研究质量守恒系统的创新结果。

2. $C([0, T]; L^p(D))$ 上的 ULDP（定理 0.4）：

   • 作者证明了在 $L^p$-路径空间上的 ULDP，且对 $L^q(D)$ 有界的初始数据是一致的。
   • 条件： $\frac{2\lambda p}{p+2} < q$。
   • 意义： 该条件允许 $q < p$，意味着初始数据的集合在 $L^p(D)$ 空间中是无界的。
     • 如果 $\lambda \leq 1/2$，则对于所有 $p \geq 2$，结果对 $q=1$ 成立。
     • 如果 $\lambda \in (1/2, 1)$，则对于特定的 $p$ 范围（具体为 $p < \frac{2}{2\lambda - 1}$），结果对 $q=1$ 成立。

3. 新型适定性（定理 2.5 和 2.7）：

   • 本文建立了对于初始数据在 $L^q(D)$ 中（其中 $q$ 可以严格小于状态空间指数 $p$ 或 $\infty$）的温和解的存在性与唯一性。
   • 结果表明，解可以分解为一个奇异半群部分 $S(\cdot)x$ 和一个属于 $C([0, T]; L^p(D))$（或 $C(D)$）的正则部分。

4. 扩展的 ULDP（第 5 节）：

   • 推论 5.1： 建立了对于纯粹属于 $L^q(D)$ 的初始数据，余项 $X^\varepsilon_x - S(\cdot)x$ 在 $C([0, T]; L^p(D))$ 中的 ULDP。
   • 推论 5.3： 将这些结果扩展到更弱的拓扑，特别是 $L^r(0, T; L^p(D))$，允许初始数据仅在 $L^q(D)$ 中而不需要 $x \in L^p(D)$。
   • 推论 5.4： 确认了当 $\lambda < 1$ 时，在 $L^1$-有界初始数据上，$C([0, T]; L^r(D))$（对于 $r \in [1, 2]$）的 ULDP。

意义与主张
本文声称其主要贡献是将一致大偏差原理的范围扩展到了无穷维空间中的无界初始数据集。以往的文献（如 [5, 9, 40]）很大程度上将一致性限制在状态空间范数下的紧集或有界集内。

• 物理相关性： 处理 $L^1$-有界初始数据（质量守恒）的能力被强调为一个重大的改进。在解代表质量密度的物理系统中，总质量是 $L^1$ 范数。以往的结果只能保证在 $L^\infty$-有界的密度上的一致性。这项工作使得研究具有质量守恒系统的退出时间问题（Freidlin–Wentzell 理论）成为可能，在这种系统中，初始质量是有界的，但密度分布在 $L^\infty$ 中可以任意大。
• 方法论进步： 这项工作展示了弱收敛方法背后的变分原理如何成功应用于非紧、无界集，前提是受控方程满足更强的收敛模式。作者明确指出，其重点是建立这种针对无界集的统一性，而非将其推广到多维系统或非 Lipschitz 漂移项，这些工作被留作未来研究。

总之，本文为分析具有乘性噪声的随机热方程中的罕见事件提供了一个严谨的框架，特别解决了初始条件仅在较弱范数（如 $L^1$）下受控，而其在解空间拓扑中表现出更高阶性的场景，这一领域此前是无法通过一致大偏差分析实现的。