[論文レビュー] Persistence probabilities \& exponents

Frank Aurzada, Thomas Simon|arXiv (Cornell University)|Mar 29, 2012

Stochastic processes and statistical mechanics参考文献 62被引用数 27

ひとこと要約

本稿は、統合および分数統合Lévy過程およびランダムウォークの最初の通過時生存確率の漸近的挙動を調査し、統合過程のパーシステンス指数が通常、元の過程の指数の2倍であることを確立している。これらの指数は、界面のフラクチュエーション、Burgers方程式の正則点、およびウェッティングモデルといった物理的現象と関連づけられ、普遍性に関する予想が提示され、スペクトル的および経路的アプローチによりガウス過程および安定過程に対して明示的な結果が得られている。

ABSTRACT

This article deals with the asymptotic behaviour as $t o +\infty$ of the survival function $P[T > t],$ where $T$ is the first passage time above a non negative level of a random process starting from zero. In many cases of physical significance, the behaviour is of the type $P[T > t]=t^{- heta + o(1)}$ for a known or unknown positive parameter $ heta$ which is called a persistence exponent. The problem is well understood for random walks or L\'evy processes but becomes more difficult for integrals of such processes, which are more related to physics. We survey recent results and open problems in this field.

研究の動機と目的

• 統合確率過程の最初の通過時における漸近的生存確率 P[T > t] の分析を目的とする。
• 統合ランダムウォークおよびLévy過程におけるべき則的減衰 P[T > t] = t⁻ᶿ⁺ᵒ⁽¹⁾ におけるパーシステンス指数 θ を特定すること。
• パーシステンス指数と物理的モデル（非粘性Burgers方程式、フラクチュエーティング界面、ラプラシアン相互作用を有するウェッティングモデルなど）との関連を確立すること。
• 「二重化則」θ_integrated = 2θ_original の普遍性に関する予想を提示し、議論すること。
• スペクトル法、Lamperti変換、および経路的解析を用いて、パーシステンス指数の明示的または漸近的推定値を導出すること。

提案手法

• ランダムウォークおよびLévy過程のフラクチュエーション理論と古典的恒等式を用い、パーシステンス指数を導出する。
• 自己相似統合過程を定常過程に変換するためのLamperti変換を適用し、非ゼロ交差確率を用いた解析を可能にする。
• Itô-Rice公式およびフーリエ逆変換技術を用いて、滑らかなガウス過程における下尾確率およびパーシステンス確率を推定する。
• Riemann-Liouvilleの分数積分を用いて、∂h/∂t = −(−Δ)ᶻ/²h + ξ に従うフラクチュエーティング界面における空間的パーシステンスを分析する。
• 経路的推定と大偏差ヒューリスティクスを用いて、報酬付きウェッティングモデルおよびスティッキー粒子系を研究する。
• モーメント法およびスペクトル正定性を用いて生存確率の境界を導出し、特に正のジャンプがない場合に特に有効である。

実験結果

リサーチクエスチョン

• RQ1 統合Lévy過程の最初の通過時におけるパーシステンス指数 θ は何か？ また、元の過程の指数とはどのように関係するか？
• RQ2 なぜ統合過程のパーシステンス指数が通常、元の過程の指数の正確に2倍になるのか？ これは普遍的ルールであるか？
• RQ3 自己相似データを有する非粘性Burgers方程式における正則点のハウスドルフ次元と、統合過程のパーシステンス指数とはどのように関連するか？
• RQ4 分数ラプラシアンダイナミクスに従うフラクチュエーティング界面における空間的パーシステンス指数は何か？
• RQ5 報酬付きウェッティングモデルにおけるパーシステンス指数は、モデルの臨界定数にどのように依存するか？ また、指数 c⁺ > 1 は相転移においてどのような役割を果たすか？

主な発見

• 統合Lévy過程では、パーシステンス指数が元の過程の指数の正確に2倍であると予想され、ブラウン運動および安定分布の場合の明示的計算による支持がある。
• 統合ブラウン運動の場合、パーシステンス指数は、そのLamperti変換によって得られる定常版の非ゼロ交差確率に関連している。
• Riemann-Liouville過程 Aρt = 1/Γ(ρ)∫₀ᵗ (t−s)ρ⁻¹ dBs に対しては、ρ > 1/2 のときパーシステンス指数が θ = ρ − 1/2 であることが示され、フラクチュエーティング界面における空間的パーシステンスと関連する。
• 界面方程式の粗粒化領域（z > d）において、空間的パーシステンス指数は ρ = (z−d+1)/2 の θ(ρ) として与えられ、z = d+2（ρ = 3/2）で形態的転移が発生する。
• Poissonian増分を有するスティッキー粒子モデルにおいて、すべての粒子が時間 t=1 でクラスタ化しない確率は n⁻¹/⁴ に比例して減少し、臨界時における非退化ガウス分布への収束が成立しないことを示唆する。
• 報酬付きウェッティングモデルでは、上界 P[Ω₊ₙ₋₁ | Aₙ = Aₙ₊₁ = 0] ≤ C/(log N)ᶜ⁺（c⁺ > 1）が自由エネルギーにおける1次相転移を保証し、臨界定数におけるモデル挙動にとって重要である。