[论文解读] Central Limit Theorems for Smooth Optimal Transport Maps

Tudor Manole, Sivaraman Balakrishnan+2 more|arXiv (Cornell University)|Dec 19, 2023

Geometry and complex manifolds被引用 5

一句话总结

该论文在有界密度假设下，针对d维平坦环面上通过核密度正则化估计的光滑最优传输映射，建立了逐点中心极限定理。结果表明，当维度d ≥ 3时，Brenier映射的插补估计量满足中心极限定理；然而，由于蒙日-安培方程在随机扰动下的解不稳定，证明了在足够高维下L²中的弱收敛性会失效。

ABSTRACT

One of the central objects in the theory of optimal transport is the Brenier map: the unique monotone transformation which pushes forward an absolutely continuous probability law onto any other given law. A line of recent work has analyzed $L^2$ convergence rates of plugin estimators of Brenier maps, which are defined as the Brenier map between density estimators of the underlying distributions. In this work, we show that such estimators satisfy a pointwise central limit theorem when the underlying laws are supported on the flat torus of dimension $d \geq 3$. We also derive a negative result, showing that these estimators do not converge weakly in $L^2$ when the dimension is sufficiently large. Our proofs hinge upon a quantitative linearization of the Monge-Ampère equation, which may be of independent interest. This result allows us to reduce our problem to that of deriving limit laws for the solution of a uniformly elliptic partial differential equation with a stochastic right-hand side, subject to periodic boundary conditions.

研究动机与目标

• 建立d维平坦环面上概率测度之间最优传输映射插补估计量的渐近分布行为。
• 分析这些估计量满足中心极限定理的条件，特别是与维度d的关系。
• 研究尽管逐点中心极限定理成立，为何在高维设置下L²中的弱收敛性会失效。
• 对蒙日-安培方程进行定量线性化，将问题简化为具有周期边界条件的随机PDE。
• 为非参数统计中使用核正则化最优传输映射提供统计推断的理论保证。

提出的方法

• 推导控制Brenier映射的蒙日-安培方程的定量线性化形式，使其可简化为具有周期边界条件的随机PDE。
• 使用带宽 $ h_n \downarrow 0 $ 的核密度估计构造正则化经验测度 $ \hat{Q}_n $，从而得到平滑化的传输映射 $ \hat{T}_n $。
• 利用Sobolev和H"older范数估计，控制目标密度扰动下传输映射的正则性与稳定性。
• 应用椭圆PDE理论中的工具，包括Caffarelli正则性理论和Riesz势估计，以界定解对噪声的敏感性。
• 对线性化系统应用多变量Lyapunov中心极限定理，证明在每一点收敛于正态分布。
• 通过Sobolev空间中的插值与算子范数界控制，管理传输映射结构中函数复合的影响。

实验结果

研究问题

• RQ1 在何种条件下，Brenier映射的插补估计量在d维环面上满足中心极限定理？
• RQ2 维度d如何影响估计传输映射在L²与逐点意义下的收敛行为？
• RQ3 核平滑在稳定最优传输估计量收敛性中起到什么作用？
• RQ4 为何在足够大的d下，尽管逐点中心极限定理成立，L²中的弱收敛性仍会失效？
• RQ5 蒙日-安培方程能否被定量线性化，以将统计估计问题简化为随机PDE？

主要发现

• 当维度 $ d \geq 3 $ 时，估计的传输映射 $ \hat{T}_n $ 满足逐点中心极限定理，且在每个固定点收敛于正态分布。
• 在任意点处 $ \hat{T}_n $ 的极限方差由一个具有随机强迫项和周期边界条件的均匀椭圆PDE的解所刻画。
• 在高维（$ d $ 足够大）时，估计量 $ \hat{T}_n $ 在 $ L^2(T^d) $ 中不收敛于弱收敛，这是由于蒙日-安培方程在密度扰动下的解不稳定所致。
• 该证明依赖于蒙日-安培方程的定量线性化，使其可简化为随机PDE框架。
• 通过Sobolev和H"older范数控制建立了稳定性界，关键估计涉及Brenier势梯度与函数复合的算子范数。
• L²弱收敛的失效被证明是问题几何结构与维度的内在属性，而非核平滑的结果。