[논문 리뷰] A large deviation principle for Markovian slow-fast systems

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

Advanced Thermodynamics and Statistical Mechanics참고 문헌 52인용 수 4

한 줄 요약

이 논문은 시간스케일 분리가 무한으로 갈 때 약하게 결합된 마르코프성 느린-빠른 시스템에서 느린 변수에 대해 경로 기반 대 deviations 원리(LDP)를 수립한다. 이 LDP는 동반 논문에서 입증된 해밀턴-자코비-벨만(HJB) 방정식의 점성해의 잘 정의됨을 기반으로 하며, 비용 함수를 이중 최적화(느린 속도와 빠른 측도) 및 주특성값 문제의 두 형태로 유도한다. 주요 기여는 대 deviations에서 평균화 원리의 엄밀한 유도이며, 이는 컴acts 위의 빠른 확산과 연결된 경험 측도-유량 쌍으로 구성된 시스템에서 검증된다.

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.

연구 동기 및 목표

• 시간스케일 분리가 무한으로 갈 때 약하게 결합된 마르코프성 느린-빠른 시스템에서 느린 변수에 대해 경로 기반 대 deviations 원리(LDP)를 수립하기.
• 대 deviations 문제를 해밀턴-자코비-벨만(HJB) 방정식의 점성해와 연관지켜, 동반 논문에서 입증된 잘 정의됨을 활용하기.
• 비용 함수를 두 가지 형태로 표현하기: 느린 속도와 빠른 측도 분포에 대한 이중 최적화, 주특성값 문제.
• 경험 측도-유량 쌍과 컴팩트 다양체 위의 빠른 확산으로 구성된 구체적 예시에서, 이중 최적화 형태의 라그랑지안을 사용해 평균화 원리의 타당성 입증하기.

제안 방법

• 느린-빠른 시스템을 시간스케일이 다름에 따라 약하게 결합된 마르코프 과정으로 설정하여, 빠른 성분이 느린 성분의 변화와 같은 순서로 평형에 도달하도록 하기.
• 해밀턴-자코비-벨만(HJB) 방정식의 점성해 이론을 적용하여 대 deviations 원리의 비용 함수를 특성화하기.
• 행동적 적분 형태의 비용 함수를 도출하며, 라그랑지안은 느린 변수의 속도와 빠른 변수의 경험 측도 분포에 대한 이중 최적화로 표현하기.
• 느린-빠른 시스템의 생성자와 관련된 주특성값 문제를 통해 라그랑지안을 재구성하여 스펙트럼적 해석 제공하기.
• 이중 최적화 형태를 통해 대 deviations 원리의 결과로서 평균화 원리를 직접 유도하기.
• 구체적 예시인 컴팩트 리만다이안 다양체 위의 빠른 확산과 연결된 경험 측도-유량 쌍에서 프레임워크를 검증하여 대 deviations가 성립하고 평균화 원리가 확인됨.

실험 결과

연구 질문

• RQ1 시간스케일 분리와 평형화가 같은 순서로 발생할 때, 약하게 결합된 마르코프성 느린-빠른 시스템에서 느린 성분에 대해 대 deviations 원리를 어떻게 엄밀히 수립할 수 있는가?
• RQ2 표준 행동적 적분 형태 외에 대 deviations 원리의 비용 함수는 어떤 방식으로 표현될 수 있는가?
• RQ3 라그랑지안의 이중 최적화 구조를 통해 대 deviations 프레임워크에서 평균화 원리를 어떻게 도출할 수 있는가?
• RQ4 라그랑지안의 주특성값 표현 방식은 느린-빠른 시스템의 역학과 어떻게 관련되는가?
• RQ5 경험 측도-유량 쌍이 컴팩트 다양체 위에서 빠른 확산을 겪는 시스템에 대해 이 이론적 프레임워크는 어느 정도 적용 가능한가?

주요 결과

• 시간스케일 분리가 무한으로 갈 때, 약하게 결합된 마르코프성 느린-빠른 시스템에서 느린 변수에 대해 대 deviations 원리가 엄밀히 수립된다.
• 비용 함수는 행동적 적분 형태로 표현되며, 라그랑지안은 느린 속도와 빠른 측도 분포에 대한 이중 최적화로부터 유도되며, 이는 계약 원리와 유사하다.
• 라그랑지안의 다른 표현은 느린-빠른 시스템의 생성자와 관련된 주특성값 문제를 통해 제공되며, 스펙트럼적 해석을 가능하게 한다.
• 라그랑지안의 이중 최적화 형태는 대 deviations 원리로부터 평균화 원리를 직접적으로 도출할 수 있게 하여, 평균화 극한의 엄밀한 정당화를 제공한다.
• 주요 예시인 컴팩트 다양체 위의 빠른 확산과 연결된 경험 측도-유량 쌍에서는 대 deviations 원리가 성립하며, 이중 최적화 구조를 통해 평균화 원리가 검증된다.
• 결과들은 동반 논문 [36]에서 입증된 관련 HJB 방정식의 잘 정의됨에 기반하며, 이는 프레임워크의 수학적 일관성을 보장한다.