[论文解读] Stochastic nonlinear Schrödinger equation with almost space-time white noise

Justin Forlano, Tadahiro Oh+1 more|Edinburgh Research Explorer|May 22, 2018

Advanced Mathematical Physics Problems参考文献 41被引用 5

一句话总结

本文通过引入重整化程序并结合傅里叶限制范数方法在傅里叶-勒贝格空间中，建立了在一维环面上具有几乎时空白噪声的随机三次非线性薛定谔方程的局部适定性。关键结果为：当噪声正则性趋近于时空白噪声时，即噪声算子为阶数 $\alpha > 0$ 的贝塞尔势时，方程保持适定性，对应于几乎时空白噪声。

ABSTRACT

We study the stochastic cubic nonlinear Schrödinger equation (SNLS) with an additive noise on the one-dimensional torus. In particular, we prove local well-posedness of the (renormalized) SNLS when the noise is almost space-time white noise. We also discuss a notion of criticality in this stochastic context, comparing the situation with the stochastic cubic heat equation (also known as the stochastic quantization equation).

研究动机与目标

• 建立具有接近时空白噪声的加法噪声的随机三次非线性薛定谔方程（SNLS）的局部适定性。
• 研究随机设定下的临界性阈值，特别是与随机量化方程（随机热方程）进行比较。
• 通过分析傅里叶-勒贝格空间中的随机卷积，将适定性理论扩展至 $L^2$-临界区域之外。
• 为当噪声接近时空白噪声时随机卷积的粗糙性提供严格的处理框架。
• 阐明贝塞尔势算子 $\phi = \langle \partial_x \rangle^{-\alpha}$ 在正则化噪声并实现 $\alpha > 0$ 时适定性中的作用。

提出的方法

• 使用线性薛定谔传播算子 $S(t) = e^{-it\partial_x^2}$ 将 SNLS 表述为弱（杜哈梅尔）形式。
• 定义随机卷积 $\Psi(t) = \int_0^t S(t-t') \phi \xi(dt')$，以捕捉随机强迫效应。
• 采用 $\gamma$-径向化算子范数来刻画傅里叶-勒贝格空间 $\mathcal{F}L^{s,p}$ 中随机卷积的正则性。
• 结合 $X^{s,b}$-型空间，运用傅里叶限制范数方法（布格南框架）来控制非线性项 $|u|^2u$。
• 引入重整化程序，以处理当 $\alpha \to 0^+$ 时由几乎时空白噪声引起的发散行为。
• 通过在满足 $\alpha > 0$ 的合适函数空间中证明压缩映射原理，建立基于 $\mathcal{F}L^{s,p}$ 空间的适定性。

实验结果

研究问题

• RQ1 在何种噪声正则性阈值下，随机三次非线性薛定谔方程仍保持局部适定性？
• RQ2 重整化程序如何缓解几乎时空白噪声引入的奇异性？
• RQ3 在随机背景下，噪声的临界正则性是什么？与确定性情形或热方程类比有何不同？
• RQ4 当噪声并非时空白噪声但接近它时，适定性理论是否可扩展至 $L^2$-正则性之外？
• RQ5 贝塞尔势算子 $\phi = \langle \partial_x \rangle^{-\alpha}$ 在正则化噪声并实现分析中起到何种作用？

主要发现

• 当 $\alpha > 0$ 时，重整化后的 SNLS 在基于 $\mathcal{F}L^{s,p}$ 的空间中是局部适定的，其中 $\phi = \langle \partial_x \rangle^{-\alpha}$ 为贝塞尔势算子。
• 当 $\phi = \text{Id}$ 时，随机卷积 $\Psi(t)$ 几乎必然在时间上连续取值于 $H^s(\mathbb{T})$，其中 $s < -\frac{1}{2}$，但当 $\alpha > 0$ 时其正则性更高。
• 当 $\alpha > 0$ 时，适定性在 $L^2$-临界区域中得以建立，超越了 $\phi \in HS(L^2; L^2)$ 时经典的 $L^2$-适定性。
• $\gamma$-径向化算子范数为刻画傅里叶-勒贝格空间中随机卷积的正则性提供了稳健的框架。
• 结果表明，噪声的临界性与正则参数 $\alpha$ 密切相关，$\alpha = 0$ 对应于时空白噪声情形，即边界情况。
• 结果表明，只要通过 $\phi = \langle \partial_x \rangle^{-\alpha}$（$\alpha > 0$）对噪声进行轻微平滑，即使噪声接近时空白噪声，SNLS 仍保持适定性。