[论文解读] A diagram-free approach to the stochastic estimates in regularity structures

P.G. Linares, Félix Otto+2 more|arXiv (Cornell University)|Dec 20, 2021

Stochastic processes and financial applications被引用 8

一句话总结

本文提出了一种无需费曼图的解析方法，用于在奇异噪声驱动的拟线性抛物型SPDE的正规化结构中进行随机估计，采用多指标代替费曼图。通过马利avin微积分和谱间隙不等式，以归纳法构建BPHZ重整化模型，利用模型化分布实现方差控制和正则性提升，重整化假设由对称性和自上而下的结构引导，避免了组合复杂性。

ABSTRACT

In this paper, we explore the version of Hairer's regularity structures based on a greedier index set than trees, as introduced by Otto, Sauer, Smith and Weber. More precisely, we construct and stochastically estimate the renormalized model avoiding the use of Feynman diagrams but still in a fully automated, i. e. inductive way. This is carried out for a class of quasi-linear parabolic PDEs driven by noise in the full singular but renormalizable range. We assume a spectral gap inequality on the (not necessarily Gaussian) noise ensemble. The resulting control on the variance of the model naturally complements its vanishing expectation arising from the BPHZ-choice of renormalization. We capture the gain in regularity on the level of the Malliavin derivative of the model by describing it as a modelled distribution. Symmetry is an important guiding principle and built-in on the level of the renormalization Ansatz. Our approach is analytic and top-down rather than combinatorial and bottom-up.

研究动机与目标

• 用多指标框架替代正规化结构中基于组合与图的处理方法。
• 在不使用费曼图的前提下，为奇异但可重整化的拟线性抛物型SPDE构造BPHZ重整化模型。
• 利用谱间隙不等式，实现对模型及其马利avin导数的完全自动化归纳随机估计。
• 通过马利avin微积分控制模型的方差，补充BPHZ重整化带来的期望消失特性。
• 将模型的马利avin导数的正则性增益描述为模型化分布，确保与解理论的兼容性。

提出的方法

• 该方法采用自上而下的多指标分析归纳法，而非基于树的组合结构，避免使用费曼图。
• 通过归纳构造重整化模型 $\Pi_x$ 和 $\Gamma_{xy}$，采用BPHZ的反项选择方式。
• 利用噪声集合上的谱间隙不等式，估计模型及其马利avin导数的方差。
• 将模型的马利avin导数描述为模型化分布，通过结构群实现正则性估计。
• 构造过程包含五个相互关联的循环：原始量、期望、马利avin导数、模型化分布及回溯，涉及四类任务：代数、重构、积分和三点论证。
• 在重整化假设中内嵌对称性，方法依赖于由谱间隙和标度性质导出的有界性和连续性估计。

实验结果

研究问题

• RQ1 能否在不依赖费曼图的前提下构造正规化结构中的随机估计？
• RQ2 BPHZ重整化过程能否通过多指标而非树结构实现解析化？
• RQ3 谱间隙不等式在控制模型及其马利avin导数方差中起到什么作用？
• RQ4 如何将马利avin导数的正则性增益捕捉为模型化分布？
• RQ5 整个构造过程能否实现完全自动化与归纳化，且所有归纳步骤具有统一结构？

主要发现

• 本文采用无图、多指标方法，为奇异但可重整化的拟线性抛物型SPDE构造了BPHZ重整化模型 $ (\Pi_x, \Gamma_{xy}) $。
• 通过谱间隙不等式控制模型的方差，补充BPHZ选择带来的期望消失，得到 $ \mathbb{E}[|\tilde{\Pi}_{x\beta}^{-}(y)|^p] \lesssim (\sqrt[4]{\tau})^{\alpha-2} |y-x|^\alpha (\sqrt[4]{\tau} + |y-x|)^{|β| - 2\alpha} $。
• 证明了模型的马利avin导数为模型化分布，得到估计如 $ \mathbb{E}^{1/p}|\delta\Pi_x(y) - \delta\Pi_x(z) - d\Gamma^{*}_{xz}\Pi_z|^p \lesssim |y-z|^\alpha $。
• 通过霍尔德型估计建立了 $ \Pi_x $ 和 $ \partial_1^2\Pi_x $ 的连续性，有 $ \|\Pi_x^\beta(y) - \Pi_x^\beta(z)\|_p \lesssim |y-z|^\alpha (|y-x| + |z-x|)^{|β| - \alpha} $。
• 该构造完全自动化且为归纳形式，所有归纳步骤遵循相同逻辑结构，依赖于低指标处的有界性与连续性估计。
• 该方法通过模型化分布结构实现正则性增益，关键估计为 $ \|\delta\Pi_x^{-} - d\Gamma^{*}_{xz}\Pi_z^{-}\|_p \lesssim |y-z|^\alpha $，该估计支持积分与重构。