[论文解读] On the probabilistic Cauchy theory of the cubic nonlinear Schrödinger equation on $\mathbb R^d$, $d \geq 3$

Árpád Bényi, Tadahiro Oh+1 more|arXiv (Cornell University)|May 28, 2014

Advanced Mathematical Physics Problems参考文献 40被引用 15

一句话总结

该论文在 $\mathbb{R}^d$ 上，$d \geq 3$，通过基于维纳分解的随机化方法（适用于调制空间），建立了聚焦立方非线性薛定谔方程的几乎必然局部与全局适定性。在尺度临界正则性 $s_{\text{crit}} = \frac{d-2}{2}$ 以下，证明了小初值的全局存在性与散射；在能量或临界范数有界条件下，建立了条件性全局适定性；当在放大的立方体上进行随机化时，可实现大概率的全局存在性。

ABSTRACT

We consider the Cauchy problem of the cubic nonlinear Schrödinger equation (NLS) on $\mathbb R^d$, $d \geq 3$, with random initial data and prove almost sure well-posedness results below the scaling critical regularity $s_ ext{crit} = \frac{d-2}{2}$. More precisely, given a function on $\mathbb R^d$, we introduce a randomization adapted to the Wiener decomposition, and, intrinsically, to the so-called modulation spaces. Our goal in this paper is three-fold. (i) We prove almost sure local well-posedness of the cubic NLS below the scaling critical regularity along with small data global existence and scattering. (ii) We implement a probabilistic perturbation argument and prove `conditional' almost sure global well-posedness for $d = 4$ in the defocusing case, assuming an a priori energy bound on the critical Sobolev norm of the nonlinear part of a solution; when $d e 4$, we show that conditional almost sure global well-posedness in the defocusing case also holds under an additional assumption of global well-posedness of solutions to the defocusing cubic NLS with deterministic initial data in the critical Sobolev regularity. (iii) Lastly, we prove global well-posedness and scattering with a large probability for initial data randomized on dilated cubes.

研究动机与目标

• 在 $\mathbb{R}^d$ 上，$d \geq 3$，针对立方非线性薛定谔方程，使用一种新颖的、适配于维纳分解与调制空间的随机化方法，建立低于尺度临界正则性 $s_{\text{crit}} = \frac{d-2}{2}$ 的几乎必然局部适定性。
• 在概率设定下，于 $s_{\text{crit}}$ 以下证明聚焦立方非线性薛定谔方程的小初值全局存在性与散射。
• 对于 $d=4$，在非线性部分的临界索伯列夫范数具有先验有界性的前提下，建立条件性几乎必然全局适定性；对于 $d \neq 4$，在 $s_{\text{crit}}$ 处对确定性初值的全局适定性假设下，也建立条件性几乎必然全局适定性。
• 当初始数据在放大的立方体上进行随机化时，证明了初始数据在 $H^s$ 中且 $s < \frac{d-2}{2}$ 时，全局适定性与散射以大概率成立。

提出的方法

• 提出一种基于维纳分解与调制空间的随机化程序，实现对低正则性初始数据的概率控制。
• 在 $U^p$ 与 $X^{s}$ 空间中推导出概率性非线性估计，以处理随机设定下的立方非线性项。
• 采用概率性扰动方法，在临界索伯列夫范数的条件假设下，将局部解延拓为全局解。
• 证明依赖于 $U^p$ 与 $X^{s}$ 空间的结构，关键估计基于原子分解与这些空间中的几乎必然收敛性。
• 作者采用条件性全局存在性框架，结合已知的确定性结果，并将其嵌入概率设定中。
• 在放大的立方体上进行随机化，通过在频率与空间中分散初始数据，提高全局存在的概率。

实验结果

研究问题

• RQ1 能否在初始数据随机化的前提下，证明 $\mathbb{R}^d$ 上（$d \geq 3$）立方非线性薛定谔方程在低于尺度临界正则性 $s_{\text{crit}} = \frac{d-2}{2}$ 时的几乎必然局部适定性？
• RQ2 在 $d=4$ 时，对非线性部分的临界索伯列夫范数需满足何种条件，可确保在聚焦情形下实现几乎必然全局适定性？
• RQ3 在 $d \neq 4$ 时，若假设在 $s_{\text{crit}}$ 处确定性解全局存在，能否在聚焦情形下建立条件性几乎必然全局适定性？
• RQ4 在高维情形下，对放大的立方体进行随机化是否可导致立方非线性薛定谔方程的大概率全局适定性与散射？
• RQ5 基于维纳分解的随机化方法如何增强在概率适定性背景下对低正则性初始数据的控制能力？

主要发现

• 通过基于维纳分解的随机化方法，建立了在 $\mathbb{R}^d$ 上（$d \geq 3$）立方非线性薛定谔方程在初始数据属于 $H^s$ 且 $s < \frac{d-2}{2}$ 时的几乎必然局部适定性。
• 在 $s_{\text{crit}}$ 以下，证明了聚焦立方非线性薛定谔方程的小初值全局存在性与散射以几乎必然成立。
• 在 $d=4$ 的聚焦情形下，若非线性部分的临界索伯列夫范数具有先验有界性，则可获得条件性几乎必然全局适定性。
• 对于 $d \neq 4$，在假设确定性解在 $H^{s_{\text{crit}}}$ 中全局存在于聚焦立方非线性薛定谔方程的前提下，可获得条件性几乎必然全局适定性。
• 当在放大的立方体上进行随机化时，论文证明了初始数据属于 $H^s$ 且 $s < \frac{d-2}{2}$ 时，全局适定性与散射以大概率成立。
• 基于调制空间与维纳分解的随机化方法，使概率适定性结果可被推广至高维情形下的超临界区域。