[论文解读] Effective Mori-Zwanzig equation for the reduced-order modeling of stochastic systems

Yuanran Zhu, Huan Lei|arXiv (Cornell University)|Feb 2, 2021

Model Reduction and Neural Networks参考文献 40被引用 4

一句话总结

该论文利用Hörmander型椭圆半群估计，为随机系统中的有效Mori-Zwanzig（EMZ）方程构建了严格的分析框架，实现了对可观测量统计量的先验估计，并证明了数据驱动记忆核近似方法的收敛性。通过Fermi-Pasta-Ulam链的蒙特卡洛模拟验证了该方法，展示了记忆核的指数衰减特性以及高精度的降阶建模效果。

ABSTRACT

Built upon the hypoelliptic analysis of the effective Mori-Zwanzig (EMZ) equation for observables of stochastic dynamical systems, we show that the obtained semigroup estimates for the EMZ equation can be used to drive prior estimates of the observable statistics for system in the equilibrium and non-equilibrium state. In addition, we introduce both first-principle and data-driven methods to approximate the EMZ memory kernel, and prove the convergence of the data-driven parametrization schemes using the regularity estimate of the memory kernel. The analysis results are validated numerically via the Monte-Carlo simulation of the Langevin dynamics for a Fermi-Pasta-Ulam chain model. With the same example, we also show the effectiveness of the proposed memory kernel approximation methods.

研究动机与目标

• 利用Hörmander型椭圆半群分析，为随机动力系统中可观测量的统计量（如时间自相关函数、记忆核与涨落力）建立严格的先验估计。
• 利用正交动力学的正则性估计，证明数据驱动的EMZ记忆核参数化方案的收敛性。
• 通过一维FPU链模型中Langevin动力学的蒙特卡洛模拟，对理论框架进行数值验证。
• 基于半群估计，从理论上严格证明普遍假设的指数衰减记忆核的合理性。

提出的方法

• 通过Mori型投影算子与Kolmogorov生成元，推导随机微分方程的EMZ方程。
• 对正交动力学半群 $ e^{-t\mathcal{Q}\mathcal{K}\mathcal{Q}} $ 应用Hörmander型分析，基于底层SDE的性质，建立其正则性与遍历性。
• 利用半群估计推导时间自相关函数与记忆核的先验界，证明在平衡与非平衡状态下均呈现指数衰减。
• 提出基于第一性原理与数据驱动的方法以近似EMZ记忆核，其收敛性通过记忆核的正则性估计得到证明。
• 采用递推多项式展开技术，计算Kolmogorov算子 $ \mathcal{K}^n $ 对可观测量的作用，实现展开系数的精确计算。
• 通过一维FPU链中Langevin动力学的蒙特卡洛模拟验证框架，比较预测统计量与模拟结果。

实验结果

研究问题

• RQ1 能否利用Hörmander型椭圆分析的半群估计，推导出随机系统中可观测量统计量的先验界？
• RQ2 EMZ记忆核在平衡与非平衡状态下是否表现出指数衰减行为？该行为能否从理论上严格证明？
• RQ3 能否利用正交动力学的正则性估计，证明数据驱动的EMZ记忆核参数化方案的收敛性？
• RQ4 基于第一性原理与数据驱动的记忆核近似方法，在降阶模型中多大程度上能准确再现全系统的统计行为？
• RQ5 所提出的框架在多大程度上能预测随机FPU链的时间自相关函数与涨落力？

主要发现

• Hörmander型椭圆分析的半群估计可导出先验界，表明时间自相关函数与EMZ记忆核在平衡与非平衡状态下均呈指数衰减。
• 记忆核的第一性原理参数化方法被证明具有高精度，且与EMZ方程的理论结构一致。
• 数据驱动的记忆核近似方案被证明收敛，其收敛速率取决于由半群估计导出的记忆核正则性。
• FPU链的数值模拟表明，第一性原理与数据驱动方法均能生成高精度的降阶模型，与全系统统计量高度吻合。
• 该框架从严格的分析角度，为降阶建模中广泛采用的指数衰减记忆核假设提供了理论依据。
• 对 $ \mathcal{K}^n r_j $ 的显式多项式展开，使得记忆核系数 $ k_n $ 的系统计算成为可能，有利于实际应用。