[论文解读] Duality functions and stationary product measures

Frank Redig, Federico Sau|arXiv (Cornell University)|Feb 23, 2017

Stochastic processes and statistical mechanics参考文献 12被引用 3

一句话总结

本文建立了一个构造性对偶框架，将随机过程中的平稳乘积测度与因子化（自）对偶函数联系起来。通过引入一种新颖的生成函数方法，系统地推导出零速率、对称包含/排除以及相互作用扩散过程（如布朗运动能量过程）的所有（自）对偶函数，包括在连续状态空间中的新对偶性。

ABSTRACT

We investigate a general relation between stationary product measures and factorized (self-)duality functions. This yields a constructive approach to find (self-)duality functions from the stationary product measures. We introduce a new generating function approach which simplifies the search for (self-)duality functions. Using these methods, we find all (self-)duality functions for zero range processes, as well as for symmetric inclusion and exclusion processes. Moreover, we find new (self-)dualities for interacting diffusion processes such as the Brownian energy process, where both the process and its dual are in continuous variables.

研究动机与目标

• 建立相互作用粒子系统中平稳乘积测度与（自）对偶函数之间的一般数学关系。
• 解决系统构造（自）对偶函数的挑战，这些函数对于分析平衡与非平衡动力学至关重要。
• 开发一个统一的、构造性的框架，简化在各种随机过程中寻找对偶函数的过程。
• 将理论扩展到连续状态过程，如布朗运动能量过程，其中过程及其对偶均在连续变量中演化。

提出的方法

• 引入一种生成函数方法，将对偶函数编码为源自平稳乘积测度的生成函数。
• 利用对偶函数的因子化结构，将问题简化为基于平稳测度矩的方程组求解。
• 通过从其乘积形式的平稳测度推导对偶函数，将该方法应用于零速率过程。
• 通过利用其已知的平稳乘积测度和对称性，将框架扩展到对称包含和排除过程。
• 通过将生成函数形式化适应到扩散型动力学，将该方法推广到连续状态过程。
• 通过直接代入和矩匹配验证所得的对偶函数是否满足对偶方程。

实验结果

研究问题

• RQ1 如何系统地利用平稳乘积测度来构造相互作用粒子系统中的（自）对偶函数？
• RQ2 生成函数在简化不同类随机过程对偶函数推导过程中起到什么作用？
• RQ3 所提出的方法能否恢复零速率和对称包含/排除过程的所有已知（自）对偶函数？
• RQ4 能否在连续状态相互作用扩散过程（如布朗运动能量过程）中发现新的（自）对偶性？
• RQ5 对偶函数的因子化结构如何从底层的平稳乘积测度中自然涌现？

主要发现

• 生成函数方法提供了一种系统且构造性的方式，从平稳乘积测度推导（自）对偶函数，显著简化了搜索过程。
• 该方法成功恢复了所有已知的零速率过程的（自）对偶函数，证实了其在这些模型中的完备性。
• 该方法成功识别出对称包含和排除过程中的新（自）对偶性，将已知的对偶框架扩展到这些系统。
• 对于布朗运动能量过程，该方法得出了新的（自）对偶性，其中原始过程及其对偶均处于连续状态空间，这是该领域的一项新贡献。
• 该框架揭示了对偶函数的因子化形式与平稳测度的乘积形式之间深刻的结构性联系。
• 该方法可推广到一大类随机过程，包括离散和连续状态系统，展示了其广泛适用性。