[论文解读] Global well-posedness for the two-dimensional stochastic complex Ginzburg-Landau equation

William J. Trenberth|arXiv (Cornell University)|Nov 21, 2019

Advanced Mathematical Physics Problems参考文献 43被引用 6

一句话总结

该论文通过广义拉盖尔多项式实现重整化，处理了带有空间-时间白噪声的二维随机复Ginzburg-Landau方程中的奇异非线性项，建立了其全局适定性。关键贡献在于，在特定参数条件下，通过能量估计和不变测度论证，证明了路径上全局存在性及几乎必然全局适定性。

ABSTRACT

We study the stochastic complex Ginzburg-Landau equation (SCGL) with an additive space-time white noise forcing on the two-dimensional torus. This equation is singular and thus we need to renormalize the nonlinearity in order to give proper meaning to the equation. Unlike the real-valued stochastic quantization equation, SCGL is complex valued and hence we are forced to work with the generalized Laguerre polynomials for the sake of renormalization. In handling nonlinearities of arbitrary degree, we derive a useful algebraic identity on the renormalization in the complex-valued setting and prove that the renormalized SCGL is locally well-posed. We prove global well-posedness using an energy estimate and almost sure global well-posedness under different conditions using an invariant measure argument.

研究动机与目标

• 解决由空间-时间白噪声驱动的二维随机复Ginzburg-Landau方程缺乏全局适定性结果的问题。
• 通过复值设定下的重整化方法，解决非线性项的奇异性。
• 利用能量估计与不变测度技术，建立局部与全局适定性。
• 将随机量子化与SPDE理论推广至具有任意非线性次数的复值、二维情形。

提出的方法

• 使用光滑频带截断 $ S_N $ 定义方程的正则化版本。
• 在复值设定下应用Wick序与广义拉盖尔多项式对非线性项进行重整化。
• 推导出复数情形下用于处理任意次数非线性的新型代数恒等式以实现重整化。
• 利用随机卷积估计与Itô等距性控制噪声项。
• 在适当的H"older空间 $ C^{-\varepsilon} $ 中通过不动点论证建立局部适定性。
• 通过能量估计证明全局适定性，并在条件 $ \frac{a_1}{a_2} = \frac{c_1}{c_2} $ 下构造不变测度。

实验结果

研究问题

• RQ1 尽管非线性项存在奇异性，带空间-时间白噪声的二维随机复Ginzburg-Landau方程是否能实现全局适定性？
• RQ2 在复值设定下，如何系统性地应用重整化方法以使方程具有明确意义？
• RQ3 广义拉盖尔多项式在复SPDE的重整化过程中起到何种作用？
• RQ4 在何种条件下，重整化方程存在不变测度？
• RQ5 能否通过测度论与概率论论证建立几乎必然的全局适定性？

主要发现

• 重整化后的随机复Ginzburg-Landau方程在空间 $ C^{-\varepsilon} $（$ \varepsilon > 0 $）中具有局部适定性，解几乎必然存在于一个停时之前。
• 通过能量估计建立全局适定性，确保在给定参数约束下解对所有时间存在。
• 在条件 $ \frac{a_1}{a_2} = \frac{c_1}{c_2} $ 下，利用不变测度论证证明了几乎必然的全局适定性。
• 证明了Gibbs型测度 $ P_{a_1,c_1,\gamma,2m} $ 在方程动力学下保持不变。
• 通过涉及广义拉盖尔多项式的代数恒等式显式给出了重整化过程，使任意次数非线性项得以处理。
• 随机卷积 $ \Psi_N $ 的方差为 $ \sim \log N $，证实了对重整化的对数发散需求。