[논문 리뷰] Conditioning two diffusion processes with respect to their first-encounter properties

Alain Mazzolo, Cécile Monthus|arXiv (Cornell University)|2022. 03. 07.

Advanced Thermodynamics and Statistical Mechanics참고 문헌 123인용 수 7

한 줄 요약

이 논문은 상대 엔트로피 최적화를 통해 두 개의 독립적인 확산 과정을 그들의 최초 만남 성질(예: 상쇄 시간 및 위치)에 대해 조건화하는 프레임워크를 개발한다. 브라운 운동, 옴스타인-울렌벡, 탄젠트-드리프트 과정에 대해 조건화된 드리프트를 유도함으로써, 수준 2.5에서 수정된 포크너-플랑크 역학 및 확률적 제어 이론을 통해 특정 최초 만남 조건을 만족하는 확률적 궤적을 생성할 수 있다.

ABSTRACT

We consider two independent identical diffusion processes that annihilate upon meeting in order to study their conditioning with respect to their first-encounter properties. For the case of finite horizon $T<+\infty$, the maximum conditioning consists in imposing the probability $P^*(x,y,T ) $ that the two particles are surviving at positions $x$ and $y$ at time $T$, as well as the probability $\gamma^*(z,t) $ of annihilation at position $z$ at the intermediate times $t \in [0,T]$. The adaptation to various conditioning constraints that are less-detailed than these full distributions is analyzed via the optimization of the appropriate relative entropy with respect to the unconditioned processes. For the case of infinite horizon $T =+\infty$, the maximum conditioning consists in imposing the first-encounter probability $\gamma^*(z,t) $ at position $z$ at all finite times $t \in [0,+\infty[$, whose normalization $[1- S^*(\infty )]$ determines the conditioned probability $S^*(\infty ) \in [0,1]$ of forever-survival. This general framework is then applied to the explicit cases where the unconditioned processes are respectively two Brownian motions, two Ornstein-Uhlenbeck processes, or two tanh-drift processes, in order to generate stochastic trajectories satisfying various types of conditioning constraints. Finally, the link with the stochastic control theory is described via the optimization of the dynamical large deviations at Level 2.5 in the presence of the conditioning constraints that one wishes to impose.

연구 동기 및 목표

• 최초 만남 역학(상쇄 시간 및 공간 분포 포함)에 대해 두 개의 독립적인 확산 과정을 조건화하기 위한 일반적 프레임워크를 개발하는 것.
• 완전하거나 부분적인 최초 만남 통계를 알고 있는 조건에서 도프의 조건화 및 쇼르딩거의 다리 형식을, 만날 때 흡수되는 시스템으로 확장하는 것.
• 유한 및 무한 시간 영역에서 특정 과정(Brownian, Ornstein-Uhlenbeck, tanh-drift)에 대해 명시적인 조건화된 드리프트를 도출하는 것.
• 수준 2.5에서의 역학적 대규모 편차율 함수 최적화를 통해 조건화 프레임워크와 확률적 제어를 연결하는 것.
• 효율적 드리프트를 갖는 수정된 SDE를 통해 사전에 정해진 최초 만남 조건을 만족하는 샘플 경로 생성을 가능하게 하는 것.

제안 방법

• 조건화된 확률을 무조건적 전파자와 조건화 제약 조건을 포함하는 함수 Q(x, y, t)의 곱으로 기술한다.
• 조건화된 드리프트를 관계식 µ∗(x, y, t) = µ(x) + 2D(x)∂x ln Q(x, y, t)를 통해 도출함으로써, 조건화된 과정에 대한 새로운 SDE를 구성할 수 있다.
• 더 낮은 세부 정보를 가진 제약 조건(예: 상쇄 시간 또는 위치의 주변 분포)을 다루기 위해 상대 엔트로피 최소화를 적용한다.
• 유한 영역(T < ∞)과 무한 영역(T = ∞) 설정을 모두 고려하며, 후자의 경우 생존 확률 S∗(∞) ∈ [0, 1]이 정규화에 의해 결정된다.
• 무조건적 과정에서 조건화된 과정의 역학을 도출하기 위해 포크너-플랑크 전진 및 후진 방정식을 사용한다.
• 수준 2.5에서의 역학적 대규모 편차율 함수 최적화를 통해 조건화 프레임워크와 확률적 제어 간의 연결 고리를 구축한다.

실험 결과

연구 질문

• RQ1 두 개의 독립적인 확산 과정을 어떻게 조건화할 수 있을까? 이를 통해 최초 만남 시간과 위치가 사전에 정해진 연합 분포를 따를 수 있도록 하는가?
• RQ2 주어진 최초 만남 분포와 일치하는 샘플 경로를 생성하기 위해 두 과정에 적용되어야 할 효과적 드리프트는 무엇인가?
• RQ3 최초 만남 분포의 완전한 지정에서부터 상대 엔트로피 최소화를 통해 더 낮은 세부 정보의 제약 조건으로의 조건화 프레임워크 확장 방식은 무엇인가?
• RQ4 브라운 운동, 옴스타인-울렌벡, 탄젠트-드리프트 과정에 대해 최초 만남 조건화 하에 조건화된 드리프트의 명시적 형태는 무엇인가?
• RQ5 조건화 프레임워크는 수준 2.5에서의 확률적 제어 및 역학적 대규모 편차와 어떻게 연결되는가?

주요 결과

• 유한 시간 영역 T에서, 최대 조건화는 시간 T에서의 생존 분포 P∗(x, y, T)와 중간 시간 t ∈ [0, T]에서의 상쇄 속도 γ∗(z, t)를 모두 고정한다.
• 무한 시간 영역에서는 모든 유한 시간에서의 최초 만남 속도 γ∗(z, t)가 고정되며, 생존 확률 S∗(∞) ∈ [0, 1]은 정규화에 의해 결정된다.
• 브라운 운동의 조건화된 드리프트는 µ∗_X = (x−y) + (z∗−x)/(T∗−t)이며, Y에 대해서도 유사하게 적용되며, 이는 목표 상쇄 지점으로 향하는 시간에 따라 변하는 역시간 드리프트임을 보여준다.
• 옴스타인-울렌벡 과정의 경우, 조건화된 드리프트는 −kx의 평균 회귀 항과 sinh[k(T∗−t)] 및 목표 위치 z∗를 포함하는 시간에 따라 변하는 보정 항을 포함한다.
• 탄젠트-드리프트 과정은 브라운 운동과 동일한 조건화된 드리프트를 도출하며, 이는 드리프트 구조만으로는 조건화 행동을 완전히 결정하지 못함을 시사한다.
• 수준 2.5에서의 역학적 대규모 편차율 함수 최적화를 통해 조건화 프레임워크를 확률적 제어와 성공적으로 연결하였으며, 조건화된 역학에 대한 변분 원리를 제공한다.