[論文レビュー] Average and deviation for slow-fast stochastic partial differential equations

W.Wang, A. J. Roberts|ArXiv.org|Apr 9, 2009

Stochastic processes and financial applications参考文献 5被引用数 4

ひとこと要約

本稿は、遅い成分にリプシッツ連続性を仮定しない、遅い・速いストキャスティック偏微分方程式（SPDE）の平均化原理を開発する。確率的に $ϵ^{1/2}$ の収束速度を確立し、元の系と平均化された系の乖離がガウス過程に従うことを証明することで、従来の $ϵ^{1/2}$ の結果よりもより正確な $ϵ$ の誤差近似が可能になる。

ABSTRACT

Averaging is an important method to extract effective macroscopic dynamics from complex systems with slow modes and fast modes. This article derives an averaged equation for a class of stochastic partial differential equations without any Lipschitz assumption on the slow modes. The rate of convergence in probability is obtained as a byproduct. Importantly, the deviation between the original equation and the averaged equation is also studied. A martingale approach proves that the deviation is described by a Gaussian process. This gives an approximation to errors of $\mathcal{O}(\e)$ instead of $\mathcal{O}(\sqrt{\e})$ attained in previous averaging.

研究の動機と目的

• 遅い・速いSPDEのクラスに対して、遅いダイナミクスにリプシッツ連続性を仮定しない平均化方程式を導出すること。
• 元の系と平均化された系の間の確率的収束速度を確立し、$ϵ^{1/2}$ のバウンドを証明すること。
• 元のSPDEとその平均化された対応物との乖離をガウス過程として特徴づけること。
• 乖離過程を含めることで、従来の $ϵ^{1/2}$ から $ϵ$ の誤差近似に改善すること。
• 数値的検証として、確率的 FitzHugh–Nagumo 系を用い、シミュレーションによる揺らぎと予測された乖離ダイナミクスの整合性を示すこと。

提案手法

• 元のSPDEと平均化されたSPDEの乖離過程を分析するためにマルティンググール・アプローチを用いる。
• 弱い成長条件および散乱性条件を含む仮定H1–H4の下で平均化原理を適用する。
• 平均化方程式を導出する際、速い成分の不変測度 $μ_u$ を用いて $\bar{f}(u) = \int f(u,v) \mu_u(dv)$ を定義する。
• 確率的バウンド $\mathbb{P}\left(\sup_{0\leq t\leq T}|u^\epsilon(t)-u(t)| \leq C^\kappa_T \epsilon^{1/2}\right) > 1 - \kappa$ を用いて収束を確立する。
• 乖離 $z = (u^\epsilon - u)/\sqrt{\epsilon}$ を、円柱型ウィーナー過程によって駆動される線形SPDEの解としてモデル化し、それがガウス過程に収束することを証明する。
• 数値的に、確率的 FitzHugh–Nagumo SPDE に対して結果を検証し、平均化および乖離モデルにおける分散スケーリングと分岐行動を比較する。

実験結果

リサーチクエスチョン

• RQ1 遅い成分がリプシッツ連続性を欠く場合でも、遅い・速いSPDEに対して厳密に平均化方程式を導出可能か？
• RQ2 緩い正則性仮定のもとで、元のSPDEとその平均化された対応物との間の確率的収束速度は何か？
• RQ3 元のSPDEと平均化されたSPDEとの乖離はどのように特徴づけられ、誤差近似を改善するか？
• RQ4 乖離過程はガウス分布に従うか、そして確率的PDEとしてモデル化可能か？
• RQ5 決定的平均化方程式に比べ、乖離過程を組み込むことで予測精度がどの程度向上するか？

主な発見

• 元のSPDEと平均化されたSPDEとの間の収束速度は、確率的に $ϵ^{1/2}$ であることが証明され、$\mathbb{P}\left(\sup_{0\leq t\leq T}|u^\epsilon(t)-u(t)| \leq C^\kappa_T \epsilon^{1/2}\right) > 1 - \kappa$ を満たす。
• 乖離 $(u^\epsilon(t) - u(t)) / \sqrt{\epsilon}$ は法則的にガウス過程に収束し、これにより $ϵ$ の誤差近似が可能になる。
• 平均化方程式は遅い成分にリプシッツ連続性を仮定しないで導出可能であり、従来の仮定が必要な結果を拡張する。
• FitzHugh–Nagumo SPDE の数値シミュレーションでは、乖離SPDEが $u^\epsilon$ の分散スケーリングを正確に捉え、シミュレートされた標準偏差 $0.065\sqrt{\epsilon}$ が予測された $0.066\sqrt{\epsilon}$ と一致する。
• 平均化方程式は $L = \pi / 2^{5/4} \approx 1.3209$ で分岐を予測するが、これは元の系の数値的シミュレーションでも確認された。
• $\sigma_1 = 0$ の場合、平均化された解はゼロのままであるが、$u^\epsilon$ のダイナミクスは完全に乖離SPDEによって駆動され、観測された確率的揺らぎを正しくモデル化する。