[論文レビュー] Limit theorems for infinite-dimensional piecewise deterministic Markov processes. Applications to stochastic excitable membrane models

Martin Riedler, Michèle Thieullen+1 more|arXiv (Cornell University)|Dec 17, 2011

Gene Regulatory Network Analysis参考文献 15被引用数 4

ひとこと要約

本稿は、可分ヒルベルト空間における無限次元の区分的確定的マルコフ過程（PDMP）について、極限定理を確立する。これにより、確率的偏微分方程式（SPDE）による厳密なランジュバン近似が可能になる。主な貢献は、神経細胞動態などの可動膜の確率的ハイブリッドモデルを、巨視的挙動と内部ノイズを捉えるSPDEで近似する理論的基盤を提供することにある。

ABSTRACT

We present limit theorems for a sequence of Piecewise Deterministic Markov Processes (PDMPs) taking values in a separable Hilbert space. This class of processes provides a rigorous framework for stochastic spatial models in which discrete random events are globally coupled with continuous space-dependent variables solving partial differential equations, e.g., stochastic hybrid models of excitable membranes. We derive a law of large numbers which establishes a connection to deterministic macroscopic models and a martingale central limit theorem which connects the stochastic fluctuations to diffusion processes. As a prerequisite we carry out a thorough discussion of Hilbert space valued martingales associated to the PDMPs. Furthermore, these limit theorems provide the basis for a general Langevin approximation to PDMPs, i.e., stochastic partial differential equations that are expected to be similar in their dynamics to PDMPs. We apply these results to compartmental-type models of spatially extended excitable membranes. Ultimately this yields a system of stochastic partial differential equations which models the internal noise of a biological excitable membrane based on a theoretical derivation from exact stochastic hybrid models.

研究の動機と目的

• ヒルベルト空間値PDMPのフラッド極限と拡散近似の厳密な数学的枠組みを確立すること。
• 連続的な空間的依存性を有する無限次元状態空間への古典的フラッド極限定理の拡張の課題に取り組むこと。
• 神経科学における確率的ハイブリッドモデルのランジュバン型SPDE近似の理論的基盤を提供すること。
• 可動膜のコンpartimentalモデルが、適切なスケーリング極限下で、決定論的および確率的PDE極限にどのように収束するかを分析すること。
• PDMPの半マルティングール分解から生じるヒルベルト空間値マルティングールを厳密に取り扱うこと。

提案手法

• 可分ヒルベルト空間内での完全に結合されたPDMPの系列を形式化し、$ n \to \infty $ においてジャンプサイズが減少し、ジャンプ頻度が増加するよう設定することで、フラッド極限の状態を再現する。
• 各PDMPを有界変動部と局所マルティングール部に分解し、中心極限定理の分析に焦点を当てる。
• PDMPがヒルベルト空間内での抽象的時間発展方程式の解に平均で収束することを示すことにより、弱法則の大数の法則を確立する。
• 座標関数およびジャンプ特性に関する仮定の下で、ヒルベルト空間値マルティングールに対するマルティングール中心極限定理を証明する。
• 中心化およびスケーリングされたマルティングールの極限として確率的偏微分方程式（SPDE）を導出し、元のPDMPに対するランジュバン近似を実現する。
• この枠組みを可動膜のコンpartimentalモデルに適用し、フラッド極限ではヒルバーグ＝フックスキー方程式が回復され、拡散極限ではノイズを含むSPDEに収束することを示す。

実験結果

リサーチクエスチョン

• RQ1 無限次元PDMPの系列のフラッド極限は、抽象的時間発展方程式の観点からどのように特徴付けられるか？
• RQ2 ヒルベルト空間値PDMPのマルティングール成分が拡散過程に収束するための条件は何か？
• RQ3 可動膜の確率的ハイブリッドモデルに対して、ランジュアン型SPDEを厳密に導出できるか？
• RQ4 PDMPにおけるジャンプレートとジャンプサイズは、無限次元における中心極限定理のスケーリングにどのように影響を与えるか？
• RQ5 適切なスケーリング極限下で、可動膜のコンpartimentalモデルが、決定論的および確率的PDEにどの程度収束するか？

主な発見

• 大数の法則により、PDMPの系列がヒルベルト空間内での抽象的時間発展方程式の解に平均で収束することが示され、これは決定論的巨視的極限を表す。
• マルティングール中心極限定理により、中心化およびスケーリングされたマルティングール成分が弱収束し、$ L^2 $ に値をとる連続な局所マルティングールに収束することが保証され、拡散近似が可能になる。
• マルティングール成分の極限が確率的偏微分方程式（SPDE）を満たすことが示され、元のPDMPに対する厳密なランジュアン近似が得られる。
• 可動膜のコンpartimentalモデルにおいて、イオンチャネル数が増加し、個々のチャネル効果が無視可能になる極限で、フラッド極限は決定論的ヒルバーグ＝フックスキー方程式に回復される。
• SPDE近似は膜電位およびゲーティング変数内の内部ノイズを捉え、元のハイブリッドジャンプ・ドリフト過程のダイナミクスを保持する、取り扱いやすい確率的モデルを提供する。
• マルティングール成分の二次変動の収束が証明され、無限次元設定における中心極限定理の正当化が完全に達成される。