[论文解读] Mixing, dissipation enhancement and convergence rates for scaling limit of SPDEs with transport noise

Franco Flandoli, Lucio Galeati+1 more|arXiv (Cornell University)|Apr 5, 2021

Markov Chains and Monte Carlo Methods被引用 6

一句话总结

该论文通过分析与概率方法，研究了环面上随机线性输运方程的混合与耗散增强现象，推导出定量收敛速率。研究进一步扩展至二维随机流体方程的标度极限，证明其收敛至确定性粘性动力学，并应用于带噪声的Keller-Segel模型，表明噪声可将爆破概率抑制在任意阈值以下。

ABSTRACT

We prove the mixing property for stochastic linear transport equations on the torus, and dissipation enhancement in the viscous case. Our approach works also for the scaling limit of stochastic 2D (inviscid) fluid dynamical equations with transport noise to deterministic viscous equations. Quantitative estimates on the convergence rates are provided by combining analytic and probabilistic arguments, especially heat kernel properties and maximal estimates for stochastic convolutions. Similar ideas are applied to the stochastic 2D Keller-Segel model, yielding explicit choice of noise to ensure that the blow-up probability is less than any given threshold.

研究动机与目标

• 在环面上带输运噪声的随机线性输运方程中建立混合性质。
• 分析此类方程粘性情况下的耗散增强现象。
• 研究带输运噪声的随机二维流体方程的标度极限，证明其收敛至确定性粘性方程。
• 通过分析与概率技术的结合，提供定量收敛速率估计。
• 将该框架应用于随机二维Keller-Segel模型，确保通过噪声选择可控制爆破概率。

提出的方法

• 利用热核性质分析解的光滑性与衰减行为。
• 应用随机卷积的最大值估计，以控制噪声引入的不规则性。
• 结合概率论论证与PDE分析，推导标度极限中的收敛速率。
• 采用随机输运噪声作为增强耗散与稳定解的机制。
• 推导出显式噪声参数，使Keller-Segel模型中的爆破概率低于任意给定阈值。
• 通过随机设定下的遍历性与混合性质分析解的长期行为。

实验结果

研究问题

• RQ1 在何种条件下，环面上的随机线性输运方程在输运噪声下表现出混合性？
• RQ2 输运噪声如何增强此类SPDE粘性情况下的耗散性？
• RQ3 带输运噪声的随机二维流体方程的标度极限收敛至确定性粘性方程的收敛速率是多少？
• RQ4 是否可设计噪声以使随机Keller-Segel模型的爆破概率低于给定阈值？
• RQ5 热核估计与随机卷积的最大值界在推导定量收敛速率中起何种作用？

主要发现

• 在输运噪声下，环面上的随机线性输运方程具有混合性，确保了遍历行为。
• 输运噪声在粘性情况下增强了耗散性，加速了解的衰减。
• 通过热核界与随机卷积估计，定量估计了收敛至确定性粘性极限的速率。
• 带输运噪声的随机二维流体方程的标度极限收敛至确定性粘性方程，且具有显式速率控制。
• 对于随机Keller-Segel模型，显式选择噪声强度可使爆破概率低于任意预设阈值。
• 分析与概率技术的结合，为收敛与稳定化提供了精确的定量估计。