[논문 리뷰] An elementary proof of the reconstruction theorem

Harprit Singh, Josef Teichmann|arXiv (Cornell University)|2018. 12. 07.

Stochastic processes and financial applications인용 수 8

한 줄 요약

이 논문은 모델과 모델링된 분포에 대한 미세화 절차를 사용하여 정칙성 구조 이론의 재구성 정리에 대한 새로운, 기본적인 증명을 제시한다. 이는 깊은 웨이블릿 또는 파라제어 분석을 피하는 것이다. 핵심 기여는 부드러운 모델에서 일반 모델으로 재구성 연산자의 직접적인 리프시츠 연장이 근사에 의해 가능해지며, 효과적 차원 $|\mathfrak{s}|$ 에 따라 의존하는 명시적인 수렴 속도를 갖는 $(p,q)$ 베소프 설정에서 정리를 확립하는 것이다. 증명은 모델의 표준적인 미세화와 모델링된 분포의 밀도가 있으며 변형 가능한 부분공간에 기반한다.

ABSTRACT

The reconstruction theorem, a cornerstone of Martin Hairer's theory of regularity structures, appears in this article as the unique extension of the explicitly given reconstruction operator on the set of smooth models due its inherent Lipschitz properties. This new proof is a direct consequence of constructions of mollification procedures on spaces of models and modelled distributions: more precisely, for an abstract model $Z$ of a given regularity structure, a mollified model is constructed, and additionally, any modelled distribution $f$ can be approximated by elements of a universal subspace of modelled distribution spaces. These considerations yield in particular a non-standard approximation results for rough path theory. All results are formulated in a generic $(p,q)$ Besov setting.

연구 동기 및 목표

• 심화된 웨이블릿 또는 파라제어 분석에 의존하지 않고 정칙성 구조 이론에서 재구성 정리를 자가 포함된 기본적인 증명을 제공하는 것.
• 재구성 연산자가 부드러운 모델에서 일반 모델으로의 리프시츠 연속적 연장으로서 존재하고 유일함을 확립하는 것.
• 모델링된 분포가 모델 변형에 대해 리프시츠 연속성을 유지하는 보편적인 밀도 부분공간의 원소로 근사될 수 있음을 보여주는 것.
• 미세화 프레임워크를 통해 거친 경로 이론에 적용 가능한 비표준 근사 결과를 도출하는 것.
• 모든 결과를 일반화된 $(p,q)$ 베소프 설정에서 기술하는 것, 기존의 프레임워크를 일반화하기 위함.

제안 방법

• 주어진 모델 $Z$ 에서 미세화 절차를 사용하여 보편적인 미세화 모델 $Z^\epsilon$ 를 구성함으로써, 수정된 위상에서 수렴을 보장하는 것.
• 모델의 리프시츠 곡선을 따라 연속적으로 변형 가능한 보편적인 밀도 부분공간의 모델링된 분포를 정의하는 것.
• 재구성 연산자가 부드러운 모델 공간에서 명시적으로 정의되고 리프시츠 연속적임을 증명하는 것.
• 유일한 리프시츠 연장 성질을 통해 재구성 연산자를 부드러운 모델에서 일반 모델으로 연장하는 것.
• 시험 함수의 표준 상향 $\Phi$ 의 스케일링 성질을 사용하여 $d^{\gamma,m}_{\infty,\infty}$-유형 공간의 노름을 제어하는 것.
• 재구성 오차의 $L^p$-기반 추정을 위해 차이를 $\Gamma$-작용과 모델링된 분포 노름 성분으로 분해함으로써, 명시적인 수렴 속도를 도출하는 것.

실험 결과

연구 질문

• RQ1 웨이블릿 이론이나 파라제어 분포의 깊은 도구 없이 재구성 정리를 증명할 수 있는가?
• RQ2 단지 리프시츠 연속성과 근사에 의존하여 재구성 연산자를 부드러운 모델에서 일반 모델으로 어떻게 연장할 수 있는가?
• RQ3 미세화된 모델은 모델링된 분포의 밀도가 있으며 변형 가능한 부분공간을 구성하는 데 어떤 역할을 하는가?
• RQ4 효과적 차원 $|\mathfrak{s}|$ 에 따라 재구성 근사의 정량적 수렴 속도는 무엇인가?
• RQ5 이 프레임워크는 거친 경로 이론에서 새로운 근사 결과를 도출할 수 있는가?

주요 결과

• 재구성 연산자는 부드러운 모델 공간에서 전체 모델링된 분포 번들의 유일한 리프시츠 연장으로 존재하며, 기본적인 근사와 연속성 추론에 의해 확립된다.
• 미세화된 모델 $Z^\epsilon$ 는 수정된 위상에서 원래 모델 $Z$ 로 수렴하며, 보편적인 정규화 절차를 제공한다.
• 모델의 리프시츠 연속 곡선을 따라 전역적으로 변형 가능한 밀도 부분공간의 모델링된 분포가 존재하여 안정적인 근사가 가능하다.
• 재구성 연산자의 근사 오차는 $2^{-n|\mathfrak{s}|}$ 의 속도로 감소하며, 이 속도는 효과적 차원 $|\mathfrak{s}|$ 에 따라 지수적으로 의존한다.
• 증명은 웨이블릿 기반 또는 파라제어 기법을 피하여 재구성 정리에 대한 더 접근하기 쉬우며 구조적인 길을 제공한다.
• 이 프레임워크는 미세화된 모델과 모델링된 분포 공간의 구조에서 비롯된 거친 경로 이론에 대한 비표준 근사 결과를 도출한다.