[논문 리뷰] From Power Laws to Fractional Diffusion: the Direct Way

Rudolf Gorenflo, E. A. Abdel-Rehim|ArXiv.org|2007. 12. 30.

Fractional Differential Equations Solutions참고 문헌 18인용 수 27

한 줄 요약

이 논문은 멱법칙 尾 꼬리가 있는 정지 시간과 점프를 가진 연속 시간 랜덤 워크(CTRW)로부터 시공간 분수형 확산 방정식을 직접 유도한다. 잘 스케일링된 극한과 분포 함수에 대한 타우버형 보조정리(lemmata)를 적용하여, 체류 밀도가 시간 미분의 차수 β ∈ (0,1)과 공간 미분의 차수 α ∈ (0,2)를 갖는 분수형 확산 방정식의 해로 약한 수렴함을 보여준다. 이는 미타그레플레르 함수와 분수형 미분을 포함한다.

ABSTRACT

Starting from the model of continuous time random walk, we focus our interest on random walks in which the probability distributions of the waiting times and jumps have fat tails characterized by power laws with exponent between 0 and 1 for the waiting times, between 0 and 2 for the jumps. By stating the relevant lemmata (of Tauber type) for the distribution functions we need not distinguish between continuous and discrete space and time. We will see that, by a well-scaled passage to the diffusion limit, generalized diffusion processes, fractional in time as well as in space, are obtained. The corresponding equation of evolution is a linear partial pseudo-differential equation with fractional derivatives in time and in space, the orders being equal to the above exponents. Such processes are well approximated and visualized by simulation via various types of random walks. For their explicit solutions there are available integral representations that allow to investigate their detailed structure.

연구 동기 및 목표

• 무거운 尾 꼬리 정지 시간과 점프를 가진 연속 시간 랜덤 워크(CTRW)와 분수형 확산 과정 사이의 직접적인 연결을 확립하기 위해.
• 이러한 CTRW의 잘 스케일링된 극한이 시간 및 공간 분수형 미분을 갖는 시공간 분수형 확산 방정식의 해를 유도함을 보여주기 위해.
• 분포 함수와 라플라스 및 푸리에 변환의 渐近 분석을 통해 연속 및 이산 시공간-시간 과정을 통합적으로 다루기 위해.
• 중간 스케일링 단계나 보조화(subordination)에 의존하지 않고도 분수형 확산의 기원을 엄밀히 기초화하기 위해.

제안 방법

• 체류 밀도의 라플라스 및 푸리에 변환을 통해 도출된 몬트롤-바우즈 방정식을 CTRW의 기초로 사용한다.
• 정지 시간과 점프의 누적 분포 함수에 타우버형 보조정리를 적용하여 연속 및 이산 분포를 통합적으로 다룬다.
• 공간 단계 크기 h와 정지 시간 τ 사이의 스케일링 관계 h ∝ τ^β/α를 도입하여 잘 스케일링된 확산 극한을 확보한다.
• 지수 β ∈ (0,1)과 α ∈ (0,2)를 갖는 멱법칙 꼬리가 있는 정지 시간 및 점프 분포의 라플라스 및 푸리에 변환의 渐近 행동을 분석한다.
• 극한 진화 방정식을 시간 분수형 미분의 차수 β와 공간 분수형 리에즈 미분의 차수 α를 갖는 선형 편미분-임의함수 방정식으로 도출한다.
• 미타그레플레르 함수를 포함하는 적분 표현을 사용하여 해를 특징지우고, 분수형 확산 과정으로의 수렴을 검증한다.

실험 결과

연구 질문

• RQ1 멱법칙 꼬리가 있는 정지 시간과 점프를 가진 잘 스케일링된 연속 시간 랜덤 워크의 극한이 분수형 확산 과정을 유도할 수 있는가?
• RQ2 공간 및 시간 증분 사이의 어떤 스케일링 관계가 시공간 분수형 확산 방정식으로의 수렴을 보장하는가?
• RQ3 분포 함수와 라플라스 및 푸리에 변환의 渐近 분석을 통해 수렴을 어떻게 엄밀히 확립할 수 있는가?
• RQ4 미타그레플레르 함수는 분수형 확산 방정식의 극한 해를 특징지우는 데 어떤 역할을 하는가?
• RQ5 표준 CTRW 프레임워크에서 멱법칙 정지 시간이 분수형 확산을 생성하지 않지만, 적절히 스케일링된 경우에만 가능한 이유는 무엇인가?

주요 결과

• 스케일링된 CTRW의 체류 밀도는 시간 미분의 차수 β ∈ (0,1)과 공간 미분의 차수 α ∈ (0,2)를 갖는 시공간 분수형 확산 방정식의 해로 약한 수렴한다.
• 극한 방정식은 캄푸-형 시간 분수형 미분과 리에츠 공간 분수형 미분으로 주어지며, $ {}_0^C D_t^eta u(x,t) = R^eta u(x,t) $, 초기 조건 $ u(x,0) = ho(x) $를 갖는다.
• 해는 멱법칙 꼬리가 있는 정지 시간 분포의 라플라스 변환에서 자연스럽게 유도되는 미타그레플레르 함수를 통해 명시적으로 표현된다.
• 분포 함수에 대한 타우버 보조정리를 통해 수렴이 확립되며, 이는 연속 및 이산 분포를 통합된 프레임워크에서 다룰 수 있도록 한다.
• 보조화를 피하기 위해 직접적으로 CTRW 전이 확률의 스케일링 극한을 분석함으로써 중간 단계가 필요로 하지 않는다.
• 결과적으로 분수형 확산은 임의의 멱법칙에 의해 발생하는 것이 아니라, 공간 및 시간 증분 사이의 특정한 잘 스케일링된 관계에 의해서만 발생함을 확인한다.