[论文解读] Moment bounds on the corrector of stochastic homogenization of non-symmetric elliptic finite difference equations

Jonathan Ben‐Artzi, Daniel Marahrens+1 more|arXiv (Cornell University)|Jan 1, 2014

Advanced Mathematical Modeling in Engineering参考文献 1被引用 6

一句话总结

该论文在非对称、均匀椭圆的随机系数有限差分方程的随机均质化中，建立了校正项及其梯度的最优矩界。在确保定量遍历性的对数索博莱夫不等式（LSI）条件下，作者推导出尖锐的 $L^p$ 估计：对所有 $p < \infty$，有 $\langle |\nabla\varphi_T(0) + \xi|^{2p} \rangle \leq C|\xi|^{2p}$，且在 $d=2$ 时，有 $\langle |\varphi_T(0)|^{2p} \rangle \leq C \langle |\nabla\varphi_T(0) + \xi|^{2p} \rangle \cdot (\log T)^p$，其中常数 $C$ 与截断参数 $T$ 无关。该方法避免了最大值原理的依赖，并通过离散格林函数的新型加权正则性估计以及离散加权空间中的新 Calderón-Zygmund 估计，推广至系统情形。

ABSTRACT

We consider the corrector equation from the stochastic homogenization of uniformly elliptic finite-difference equations with random, possibly non-symmetric coefficients. Under the assumption that the coefficients are stationary and ergodic in the quantitative form of a Logarithmic Sobolev inequality (LSI), we obtain optimal bounds on the corrector and its gradient in dimensions $d \geq 2$. Similar estimates have recently been obtained in the special case of diagonal coefficients making extensive use of the maximum principle and scalar techniques. Our new method only invokes arguments that are also available for elliptic systems and does not use the maximum principle. In particular, our proof relies on the LSI to quantify ergodicity and on regularity estimates on the derivative of the discrete Green's function in weighted spaces.

研究动机与目标

• 解决在最大值原理不适用的非对称、随机椭圆有限差分方程中，校正项缺乏定量估计的问题。
• 在定量遍历性假设（对数索博莱夫不等式）下，建立校正项及其梯度的尖锐 $L^p$ 矩界。
• 发展一种不依赖最大值原理的方法，从而可推广至椭圆系统。
• 为非对称情形下的定量两尺度展开和均质化系数近似提供严格的理论基础。
• 证明离散加权空间中的新 Calderón-Zygmund 估计，以在临界维数 $d=2$ 控制格林函数梯度。

提出的方法

• 分析从修改后的校正项方程 $\frac{1}{T}\varphi_T + \nabla^*(a\nabla\varphi_T) = -\nabla^*(a\xi)$ 在 $\mathbb{Z}^d$ 上开始，其中 $T$ 为大截断参数。
• 通过系数场 $a$ 上的对数索博莱夫不等式（LSI）施加定量遍历性，以控制随机环境的混合速率。
• 关键估计通过离散格林函数的加权正则性理论推导，特别是其导数的估计。
• 证明并应用离散加权 $\ell^p$ 空间中的新型 Calderón-Zygmund 估计，以控制 $d=2$ 时格林函数的梯度。
• 使用形如 $\zeta = \eta e^{\delta g}$ 的测试函数，其中 $g$ 模仿 $|x|/2$，以实现局部化并控制解的增长。
• 结合能量估计与离散分部积分法，并利用 LSI 控制校正项及其梯度的矩。

实验结果

研究问题

• RQ1 在非对称、随机有限差分方程的随机均质化中，校正项梯度的最优 $L^p$ 矩界是什么？
• RQ2 当由于非对称性导致最大值原理失效时，如何控制校正项本身（而不仅仅是其梯度）？
• RQ3 在临界维数 $d=2$ 时，校正项的 $p$ 阶矩的最优增长速率是什么？
• RQ4 如何利用定量遍历性（通过 LSI）推导矩界，而无需依赖标量或最大值原理技术？
• RQ5 在 $d=2$ 时，处理对数发散问题的离散格林函数加权正则性估计的正确框架是什么？

主要发现

• 论文建立了校正项梯度的最优 $L^p$ 界：对所有 $1 \leq p < \infty$ 和 $T \geq 2$，有 $\langle |\nabla\varphi_T(0) + \xi|^{2p} \rangle \leq C|\xi|^{2p}$，其中 $C$ 与 $T$ 无关。
• 在维数 $d=2$ 时，校正项满足 $\langle |\varphi_T(0)|^{2p} \rangle \leq C \langle |\nabla\varphi_T(0) + \xi|^{2p} \rangle (\log T)^p$，这是最优的对数发散速率。
• 在维数 $d > 2$ 时，校正项的矩由梯度矩的常数倍控制，不包含对数因子。
• 证明并应用了离散加权 $\ell^p$ 空间中的新 Calderón-Zygmund 估计，以控制 $d=2$ 时离散格林函数的导数。
• 该方法具有鲁棒性，不依赖最大值原理，因此可适用于椭圆系统，包括离散线性弹性。
• 应用包括具有最优误差率的定量两尺度展开和均质化系数的定量近似。