[論文レビュー] A large deviation principle for Markovian slow-fast systems

Richard C. Kraaij, Mikola C. Schlottke|arXiv (Cornell University)|Nov 11, 2020

Advanced Thermodynamics and Statistical Mechanics参考文献 52被引用数 4

ひとこと要約

本稿は、時間スケールの分離が無限大に近づく弱く結合されたマーカフィアンの遅い・速い系における遅い変数について、経路に沿った大偏差原理（LDP）を確立する。LDPをハミルトニアン・ジャコビ・ベルマン方程式の粘性解に結びつけることで、そのwell-posednessは補論文で確立されている。これにより、レート関数を二通りの形で導出する：遅い速度と速い測度の二重最適化、および主固有値問題としての表現。主な貢献は、大偏差から平均化原理を厳密に導出できることであり、これはコンact多様体上での速い拡散と結合された経験的測度・フラックス対の系で検証されている。

ABSTRACT

We prove pathwise large deviation principles of slow variables in slow-fast systems in the limit of time-scale separation tending to infinity. In the limit regime we consider, the convergence of the slow variable to its deterministic limit and the convergence of the fast variable to equilibrium are competing at the same scale. The large deviation principle is proven by relating the large deviation problem to solutions of Hamilton-Jacobi-Bellman equations, for which well-posedness was established in the companion paper [arXiv:1912.06579]. We cast the rate functions in action-integral form and interpret the Lagrangians in two ways. First, in terms of a double-optimization problem of the slow variable's velocity and the fast variable's distribution, similar in spirit to what one obtains from the contraction principle. Second, in terms of a principal-eigenvalue problem associated to the slow-fast system. The first representation proves in particular useful in the derivation of averaging principles from the large deviations principles. As main example of our general results, we consider empirical measure-flux pairs coupled to a fast diffusion on a compact manifold. We prove large deviations and use the Lagrangian in double-optimization form to demonstrate the validity of the averaging principle in this system.

研究の動機と目的

• 弱く結合されたマーカフィアンの遅い・速い系における遅い変数について、時間スケールの分離のもとで経路に沿った大偏差原理を確立すること。
• 大偏差問題をハミルトニアン・ジャコビ・ベルマン（HJB）方程式の粘性解に関連づけ、補論文で確立されたwell-posedness結果を活用すること。
• レート関数を二通りの形で表現すること：遅い変数の速度と速い測度分布の二重最適化、および主固有値問題としての表現。
• 経験的測度・フラックス対とコンパクト多様体上での速い拡散を伴う具体的な例において、二重最適化形式のラグランジアンを用いて平均化原理の有効性を示すこと。

提案手法

• 遅い・速い系を、時間スケールが明確に分離された弱く結合されたマーカフィアン過程として定式化し、速い成分が遅い成分の変化と同程度のスケールで均衡することを仮定する。
• ハミルトニアン・ジャコビ・ベルマン方程式の粘性解理論を適用し、大偏差原理のレート関数を特徴づける。
• 作用積分形としてのレート関数を導出し、ラグランジアンを遅い変数の速度と速い変数の経験的測度分布の二重最適化として表現する。
• 遅い・速い系の生成作用素に関連する主固有値問題を介してラグランジアンを再表現し、スペクトル的解釈を提供する。
• 二重最適化形式を用いて、大偏差原理の結果として平均化原理を厳密に導出する。
• 具体的な例（コンパクトリーマン多様体上での速い拡散と結合された経験的測度・フラックス対）を用いてフレームワークを検証し、大偏差が成立することを証明するとともに、平均化原理の妥当性を確認する。

実験結果

リサーチクエスチョン

• RQ1 時間スケールの分離と均衡が同じオーダーで発生する状況において、弱く結合されたマーカフィアンの遅い・速い系の遅い成分について、大偏差原理をどのように厳密に確立できるか？
• RQ2 標準的な作用積分形を超えて、大偏差原理のレート関数をどのような形で表現できるか？
• RQ3 ラグランジアンの二重最適化構造を用いて、大偏差フレームワークから平均化原理を導出できるか？
• RQ4 ラグランジアンの主固有値表現は、遅い・速い系のダイナミクスとどのように関係するか？
• RQ5 理論的フレームワークは、コンパクト多様体上での速い拡散の下で経験的測度・フラックス対が進化する系に、どの程度適用可能か？

主な発見

• 無限大に近づく時間スケールの分離の極限において、弱く結合されたマーカフィアンの遅い・速い系における遅い変数について、大偏差原理が厳密に確立された。
• レート関数は作用積分形として表現され、ラグランジアンは遅い速度と速い測度分布の二重最適化から導出され、縮約原理に類似した形である。
• ラグランジアンの別表現として、遅い・速い系の生成作用素に関連する主固有値問題が与えられ、スペクトル的解釈が可能になった。
• ラグランジアンの二重最適化形式により、大偏差原理から平均化原理を直接導出でき、平均化極限の厳密な根拠が得られた。
• 主な例（コンパクト多様体上での速い拡散と結合された経験的測度・フラックス対）において、大偏差原理が成立し、二重最適化構造を用いて平均化原理が検証された。
• 結果は、関連するハミルトニアン・ジャコビ・ベルマン方程式のwell-posednessに依拠しており、これは補論文[36]で確立されており、フレームワークの数学的整合性を保証している。