[논문 리뷰] The Mather measure and a Large Deviation Principle for the Entropy Penalized Method

Diogo A. Gomes, Artur O. Lopes외 1명|ArXiv.org|2007. 07. 17.

Markov Chains and Monte Carlo Methods참고 문헌 11인용 수 6

한 줄 요약

이 논문은 라그랑주 역학에서 엔트로피 정규화된 메이어 문제에 대한 대규모 변동 원리(Large Deviation Principle, LDP)를 수립하며, 희귀 사건을 지배하는 비용 함수가 $ I(x,v) = L(x,v) + \nabla\phi_0(x)\cdot v - \overline{H}_0 $ 로 주어짐을 보여준다. 여기서 $ \phi_0 $ 는 해밀턴-자코비 방정식의 해이다. 이 결과는 라그랑지안에 대한 일반적인 조건, 즉 초선형성과 볼록성 하에서 성립하며, $ \epsilon, h \to 0 $ 과 고정된 $ h $ 에서 $ \epsilon \to 0 $ 의 경우로 확장되어, 엔트로피 정규화를 통한 메이어 측도 근사화를 위한 엄밀한 점근적 프레임워크를 제공한다.

ABSTRACT

We present a large deviation principle for the entropy penalized Mather problem when the Lagrangian L is generic (in this case the Mather measure $μ$ is unique and the support of $μ$ is the Aubry set). Consider, for each value of $ε$ and h, the entropy penalized Mather problem $\min \{\int_{ n imes n} L(x,v)dμ(x,v)+εS[μ]\},$ where the entropy S is given by $S[μ]=\int_{ n imes n}μ(x,v)\ln\frac{μ(x,v)}{\int_{ n}μ(x,w)dw}dxdv,$ and the minimization is performed over the space of probability densities $μ(x,v)$ that satisfy the holonomy constraint It follows from D. Gomes and E. Valdinoci that there exists a minimizing measure $μ_{ε, h}$ which converges to the Mather measure $μ$. We show a LDP $\lim_{ε,h o0} ε\ln μ_{ε,h}(A),$ where $A\subset \mathbb{T}^N imes\mathbb{R}^N$. The deviation function I is given by $I(x,v)= L(x,v)+ ablaϕ_0(x)(v)-\bar{H}_{0},$ where $ϕ_0$ is the unique viscosity solution for L.

연구 동기 및 목표

• 라그랑주 역학에서 엔트로피 정벌된 메이어 문제에 대한 대규모 변동 원리(Large Deviation Principle, LDP)를 유도하기.
• $ \epsilon, h \to 0 $ 근처에서 희귀 사건의 확률 감소 비율을 지배하는 비용 함수를 특성화하기.
• 이산 시간 아브리-메이어 문제에 대해 분리 가능한 서브액션의 존재를 증명하기.
• LDP를 $ h $ 가 고정되어 있고 $ \epsilon \to 0 $ 인 경우로 확장하기.
• 엔트로피 정규화를 통해 매끄럽고 절대 연속적인 밀도를 사용하여 메이어 측도를 근사화하는 데 있어 엄밀한 점근적 프레임워크를 제공하기.

제안 방법

• 엔트로피 정벌된 메이어 문제는 이산 홀로노미 조건을 만족하는 확률 밀도 $ \mu $ 에 대해 $ \int L(x,v)\,d\mu + \epsilon S[\mu] $ 를 최소화하는 방식으로 설정된다.
• 엔트로피 $ S[\mu] $ 는 $ \int \mu(x,v) \ln \left( \frac{\mu(x,v)}{\int \mu(x,w)\,dw} \right) dx\,dv $ 로 정의되며, 최소화자들의 매끄럽고 절대 연속적인 성질을 촉진한다.
• 분석은 균일한 반볼록성 추정과 해밀턴-자코비 방정식 $ H(\nabla\phi(x), x) = -\overline{H}_0 $ 의 볼록해법에 기반한다.
• 비용 함수 $ I(x,v) $ 는 $ L(x,v) + \nabla\phi_0(x)\cdot v - \overline{H}_0 $ 로 유도되며, 이는 LDP가 메이어 측도와 아브리 집합과 어떻게 연결되는지를 보여준다.
• 행동 함수 $ S(x,\cdot) $ 에 대한 균일한 리프시츠 유계성과 가산 분할의 항등식을 이용해 분리 가능한 서브액션을 구성한다.
• 컴 pactness 추론과 경로 수렴을 사용하여, 이４차원 함수가 아브리 집합으로부터의 최소 행동 비용을 포괄함을 보여준다.

실험 결과

연구 질문

• RQ1 엔트로피 정규화된 메이어 측도의 대규모 변동은 $ \epsilon, h \to 0 $ 일 때 어떤 비용 함수로 지배되는가?
• RQ2 비용 함수는 해밀턴-자코비 방정식과 볼록해법 $ \phi_0 $ 와 어떻게 관련되어 있는가?
• RQ3 만약 $ h $ 가 고정되어 있고 $ \epsilon \to 0 $ 인 경우에 LDP를 수립할 수 있는가?
• RQ4 이산 시간 아브리-메이어 문제는 분리 가능한 서브액션을 갖는가?
• RQ5 엔트로피 정규화된 최소화자 $ \mu_{\epsilon,h} $ 는 $ \epsilon, h \to 0 $ 일 때 점근적으로 어떻게 행동하는가?

주요 결과

• LDP의 비용 함수는 $ I(x,v) = L(x,v) + \nabla\phi_0(x)\cdot v - \overline{H}_0 $ 로 주어지며, 여기서 $ \phi_0 $ 는 $ H(\nabla\phi, x) = -\overline{H}_0 $ 의 유일한 볼록해법이다.
• LDP는 $ \epsilon, h \to 0 $ 의 극한에서 성립하며, 비용 함수는 메이어 측도로부터의 이탈 비용을 포괄한다.
• 고정된 $ h $ 에서 $ \epsilon \to 0 $ 일 때도 LDP가 성립하며, 동일한 비용 함수의 구조를 유지한다.
• 라그랑지안 $ L $ 에 대한 일반성 조건 하에 메이어 측도 $ \mu $ 는 유일하다.
• 이산 시간 아브리-메이어 문제에 대해 분리 가능한 서브액션이 존재하며, 이는 균일하게 리프시츠 유계인 함수와 가산 분할의 항등식을 통해 구성된다.
• 엔트로피 정규화된 최소화자 $ \mu_{\epsilon,h} $ 는 $ \epsilon, h \to 0 $ 일 때 메이어 측도 $ \mu $ 로 수렴하며, 수렴 속도는 LDP에 의해 지배된다.