[논문 리뷰] Limit theorems for infinite-dimensional piecewise deterministic Markov processes. Applications to stochastic excitable membrane models

Martin Riedler, Michèle Thieullen외 1명|arXiv (Cornell University)|2011. 12. 17.

Gene Regulatory Network Analysis참고 문헌 15인용 수 4

한 줄 요약

이 논문은 분리 가능 힐버트 공간에서의 무한차원 조각별 결정적 마코프 과정(PDMPs)에 대해 극한 정리들을 수립하며, 스토케스틱 편미분방정식(SPDEs)을 통한 엄밀한 랑주뱅 근사법을 가능하게 하는 대수법칙과 마팅게일 중심극한정리들을 도출한다. 핵심 기여는 신경세포 운동과 같은 자극가능한 막의 스토케스틱 하이브리드 모델을, 매크로스코픽 거동과 내부 노이즈를 포괄하는 SPDE로 근사하기 위한 이론적 기반을 제공하는 것이다.

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.

연구 동기 및 목표

• Hilbert 공간에 값이 있는 PDMPs의 유체 극한과 확산 근사에 대한 엄밀한 수학적 프레임워크를 수립하기 위해.
• 기존의 유체 극한 정리들을 연속적인 공간적 의존성을 가진 무한차원 상태 공간으로 확장하는 데 도전하는 것.
• 신경과학에서의 스토케스틱 하이브리드 모델에 대한 랑주뱅 유형의 SPDE 근사법에 대한 이론적 기반을 제공하기 위해.
• 자극가능한 막의 분할 모델이 적절한 스케일링 극한 하에서 결정론적 및 스토케스틱 PDE 극한으로 수렴하는지 분석하기 위해.
• PDMPs의 반마르팅게일 분해에서 발생하는 Hilbert 공간에 값이 있는 마팅게일을 엄밀히 다루기 위해.

제안 방법

• 분리 가능 힐버트 공간에서의 완전히 결합된 PDMP들의 수열을 정의하며, $ n \to \infty $ 일 때 점프 크기가 감소하고 점프 빈도가 증가하는 방식으로 유체 극한 영역을 구성한다.
• 각 PDMP를 유한변동 및 국소 마팅게일 성분으로 분해하며, 중심극한정리 분석에 주로 국소 마팅게일 성분에 초점을 맞춘다.
• Hilbert 공간 내에서의 추상적 진화방정식의 해로 PDMP들이 수렴함을 보여줌으로써 약한 대수법칙을 수립한다.
• 좌표 함수와 점프 특성에 대한 가정 하에 Hilbert 공간에 값이 있는 마팅게일에 대한 마팅게일 중심극한정리를 증명한다.
• 중앙화되고 스케일링된 마팅게일의 극한으로서 스토케스틱 편미분방정식(SPDE)을 도출하여 원래 PDMP에 대한 랑주뱅 근사법을 제공한다.
• 이 프레임워크를 자극가능한 막의 분할 모델에 적용하여, 유체 극한에서 허딩턴-후크리 모델로 수렴하고, 확산 극한에서 노이즈가 포함된 SPDE로 수렴함을 보였다.

실험 결과

연구 질문

• RQ1 무한차원 PDMP들의 수열의 유체 극한은 추상적 진화방정식의 관점에서 어떻게 특징지을 수 있는가?
• RQ2 Hilbert 공간에 값이 있는 PDMP의 마팅게일 성분이 확산 과정으로 수렴하기 위해 어떤 조건이 필요한가?
• RQ3 자극가능한 막의 스토케스틱 하이브리드 모델에 대해 엄밀한 랑주뱅 유형의 SPDE를 유도할 수 있는가?
• RQ4 PDMP에서의 점프 빈도와 점프 크기는 무한차원에서의 중심극한정리에 필요한 스케일링에 어떻게 영향을 미치는가?
• RQ5 어느 정도로 분할 모델의 자극가능한 막은 적절한 스케일링 극한 하에서 결정론적 및 스토케스틱 PDE로 수렴하는가?

주요 결과

• 대수법칙은 PDMP 수열이 Hilbert 공간 내에서 추상적 진화방정식의 해로 평균에 대해 수렴함을 보여주며, 이는 결정론적 매크로스코픽 극한을 나타낸다.
• 마팅게일 중심극한정리는 중심화되고 스케일링된 마팅게일 성분이 $ L^2 $ 내의 샘플 경로를 가진 연속적인 국소 마팅게일로 약하게 수렴함을 보장하며, 이는 확산 근사법을 가능하게 한다.
• 마팅게일 성분의 극한이 스토케스틱 편미분방정식(SPDE)을 만족함을 보여주며, 이는 원래 PDMP에 대한 엄밀한 랑주뱅 근사법을 제공한다.
• 자극가능한 막의 분할 모델에 대해, 유체 극한에서는 이온 채널의 수가 증가함에 따라 개별 채널 효과가 감소하면서 결정론적 허딩턴-후크리 모델이 복원된다.
• SPDE 근사법은 막 전위와 게이팅 변수의 내부 노이즈를 포괄하며, 기저의 하이브리드 점프-확산 과정의 역학을 유지하면서도 다루기 쉬운 확률적 모델을 제공한다.
• 마팅게일 성분의 제곱변동의 수렴성을 증명함으로써, 무한차원 설정에서 중심극한정리의 정당화를 완성한다.