[论文解读] A tourist's guide to regularity structures and singular stochastic PDEs

Ismaël Bailleul, Masato Hoshino|arXiv (Cornell University)|Jun 5, 2020

Stochastic processes and financial applications参考文献 91被引用 5

一句话总结

本文提供了对奇异性随机PDE中正则性结构及其应用的自包含介绍，重点在于处理低正则性分布之间病态非线性乘积所需的代数与分析工具。主要贡献在于通过非线性项空间上的李群作用，建立了一套系统化的重整化框架，使正则化解收敛于由重整化群参数化的极限族。

ABSTRACT

We give an essentially self-contained treatment of the fundamental analytic and algebraic features of regularity structures and its applications to the study of singular stochastic PDEs.

研究动机与目标

• 为奇异随机PDE的正则性结构提供简洁、自包含的分析与代数基础论述。
• 阐明重整化在使由粗糙噪声驱动的SPDE中病态乘积具有意义时的作用。
• 建立一个框架，其中解并非单一对象，而是由重整化群参数化的族，确保正则化下收敛性。
• 将正则性结构的抽象工具与具体方程（如抛物型安德森模型、Φ⁴₃方程及广义KPZ方程）联系起来。
• 通过多预李代数与兼容的正则性-重整化结构，将重整化程序推广至BPHZ方案之外。

提出的方法

• 通过积分算子构造正则性结构，并定义模型化分布以处理低正则性解。
• 引入一个有限维无界李群——重整化群——通过显式变换作用于非线性项空间。
• 采用多层Schauder估计证明模型化分布微分的连续性与适定性。
• 应用BHZ特征定义通用重整化映射，实现一致的反项构造。
• 利用多预李代数结构编码具有多个非线性项的方程中重整化的递归性质。
• 构建兼容的正则性与重整化结构，以处理具有多个噪声及不同正则化性质算子的系统。

实验结果

研究问题

• RQ1 如何一致地定义奇异随机PDE的解，其中非线性项涉及低正则性分布之间的病态乘积？
• RQ2 重整化群在确保正则化解收敛于良好定义的极限中起什么作用？
• RQ3 预李代数与多预李代数的代数结构如何系统地用于重整化过程中反项的推导？
• RQ4 重整化群对非线性项的作用如何将发散的正则化方程转化为收敛的方程？
• RQ5 该框架如何推广至由多个独立噪声驱动、具有不同正则性性质的SPDE系统？

主要发现

• 奇异SPDE的解并非单一函数，而是由重整化群元素参数化的极限族，且在正则化趋于零时以概率收敛。
• 重整化群显式作用于非线性项空间，将正则化方程转化为含发散反项的方程，从而抵消奇异性。
• 发散的反项 $ h_\varepsilon $（当 $ \varepsilon \to 0 $ 时）通过群作用从原始非线性项及其导数显式构造。
• $ \mathcal{K}^{\sf M} $-容许模型的构造依赖于多层Schauder估计，将哈里尔原始方法推广至泛函分析框架。
• 只要构建了兼容的正则性与重整化结构，该框架即可处理具有多个噪声及不同算子的系统。
• BHZ特征提供了一个通用的重整化映射，推广了BPHZ方案，并在不同方程间实现一致的重整化。