[论文解读] On quantized stochastic Navier-Stokes equations
本文提出了一种带有 Wick 型非线性的量化随机纳维-斯托克斯方程，将随机扰动建模为非线性项 $ u\nabla u $ 的最高阶随机逼近。通过 Cameron-Martin 型 Wiener chaos 展开，建立了广义解，该解为马尔可夫过程，且其期望可恢复确定性纳维-斯托克斯解，从而确保在不确定性下的流体动力学建模无偏。
Abstract. A random perturbation of a deterministic Navier-Stokes equation is considered in the form of an SPDE with Wick type nonlinearity. The nonlinear term of the perturbation can be characterized as the highest stochastic order approximation of the original nonlinear term u∇u. This perturbation is unbiased in that the expectation of a solution of the perturbed/quantized equation solves the deterministic Navier-Stokes equation. The perturbed equation is solved in the space of generalized stochastic processes using the Cameron-Martin version of the Wiener chaos expansion. The generalized solution can be obtained as a limit or an inverse of solutions to corresponding quantized equations. It is shown that the generalized solution is a Markov process. 1.
研究动机与目标
- 通过具有受控随机非线性的随机偏微分方程（SPDE），对确定性纳维-斯托克斯方程的随机扰动进行建模。
- 通过要求解的期望恢复确定性纳维-斯托克斯解，确保扰动无偏。
- 在广义随机过程空间中，为扰动方程发展广义解框架。
- 将解表征为马尔可夫过程，以支持对随机流体动力学的概率分析。
- 通过极限或逆构造方法，建立量化 SPDE 与原始确定性系统之间的联系。
提出的方法
- 通过 Wick 积定义非线性项，表示 $ u\nabla u $ 的最高阶随机逼近，构建随机纳维-斯托克斯方程。
- 应用 Cameron-Martin 型 Wiener chaos 展开，将解表示为高斯随机变量上的正交多项式 chaos 展开。
- 在广义随机过程空间中求解扰动方程，允许分布型解，超越经典函数范畴。
- 通过对应量化方程解的极限或逆构造，推导广义解，确保与随机结构的一致性。
- 通过分析其转移概率和时间演化，建立广义解的马尔可夫性质。
实验结果
研究问题
- RQ1如何构造纳维-斯托克斯方程的随机扰动，使其期望可恢复确定性解？
- RQ2何种适当的随机非线性可保持原始 $ u\nabla u $ 项的结构，同时与 chaos 展开方法兼容？
- RQ3能否证明量化 SPDE 的广义解为马尔可夫过程？
- RQ4Wiener chaos 展开框架如何实现广义随机过程空间中解的构造？
- RQ5量化方程的解与广义解在极限/逆意义下存在何种关系？
主要发现
- 通过 Wick 积定义的随机非线性，是确定性非线性项 $ u\nabla u $ 的最高阶随机逼近，确保与原始动力学的高度保真。
- 量化 SPDE 广义解的期望精确满足确定性纳维-斯托克斯方程，证实了扰动的无偏性。
- 广义解存在于广义随机过程空间中，且通过 Cameron-Martin Wiener chaos 展开构建。
- 广义解为马尔可夫过程，从而可应用转移密度、马尔可夫半群等概率工具。
- 解可通过对应量化方程解的极限或逆构造获得，建立了连贯的解层次结构。
- 该框架为纳维-斯托克斯方程提供了严格的随机扩展，同时保持了原始系统的关键结构与统计特性。
更好的研究，从现在开始
从论文设计到论文写作，大幅缩短您的研究时间。
无需绑定信用卡
本解读由 AI 生成，并经人工编辑审核。