[论文解读] Singular stochastic PDEs

Martin Hairer|arXiv (Cornell University)|Mar 25, 2014

Stochastic processes and financial applications参考文献 47被引用 22

一句话总结

本文提出了一种新颖的框架，利用'正则性结构'严格定义并求解高度奇异的随机偏微分方程（SPDE），例如此前被认为病态的Kardar-Parisi-Zhang方程。通过用为方程的尺度和奇异性量身定制的模型化分布替代泰勒多项式，该理论能够构建局部解，并通过重整化技术建立适定性。

ABSTRACT

We present a series of recent results on the well-posedness of very singular parabolic stochastic partial differential equations. These equations are such that the question of what it even means to be a solution is highly non-trivial. This problem can be addressed within the framework of the recently developed theory of "regularity structures", which allows to describe candidate solutions locally by a "jet", but where the usual Taylor polynomials are replaced by a sequence of custom-built objects. In order to illustrate the theory, we focus on the particular example of the Kardar-Parisi-Zhang equation, a popular model for interface propagation.

研究动机与目标

• 解决由于不规则噪声项导致经典意义下无定义的奇异随机PDE的解的定义这一根本问题。
• 开发一种稳健的数学框架，能够为由时空白噪声驱动的非线性项赋予一致且有意义的解。
• 在典型例子——Kardar-Parisi-Zhang（KPZ）方程上展示该理论的适用性。
• 通过超越经典Sobolev或Hölder空间的新分析结构，为一大类奇异SPDE建立适定性。
• 在正则性结构框架内，通过重整化系统性地处理随机PDE中的发散问题，提供一种系统化方法。

提出的方法

• 该理论采用'正则性结构'来推广喷子（jets）的概念，用一族针对方程尺度与奇异性量身定制的模型化分布替代标准泰勒多项式。
• 解在加权函数空间中以模型化分布的形式局部构造，从而在一致的几何框架下描述不规则解。
• 该框架整合了重整化过程，系统性地消除由非线性项与时空白噪声相互作用引起的发散。
• 关键组成部分是使用一个'模型'，为抽象的多项式类对象分配分布，并与底层随机结构校准。
• 解理论基于适配正则性结构的加权函数空间中的不动点论证，确保解的局部存在性与唯一性。
• 该方法在KPZ方程上得到验证，即使在方程具有强非线性和粗糙噪声的情况下，仍能提供数学上严格的解构造。

实验结果

研究问题

• RQ1 如何为具有时空白噪声和非线性项的随机PDE赋予一致且有意义的解，而这些项在经典分析中过于奇异？
• RQ2 何种结构框架可使因缺乏点态正则性而形式上病态的SPDE的解得以定义？
• RQ3 能否系统性地将重整化过程整合进奇异SPDE的解理论中，以处理非线性项与噪声相互作用引起的发散？
• RQ4 正则性结构框架在多大程度上可应用于KPZ方程等典型方程，这些方程在统计力学和界面生长中具有核心地位？
• RQ5 如何定义一种解的概念，使其在推广经典解概念的同时，仍对扰动和非线性项保持鲁棒性？

主要发现

• 正则性结构理论为此前被认为病态的奇异SPDE提供了数学上严格的解定义框架。
• 在该框架下，Kardar-Parisi-Zhang方程被证明具有适定解，解决了其构造中长期存在的问题。
• 重整化被系统性地整合进解的过程中，使得由非线性项与时空白噪声相互作用引起的发散得以消除。
• 解的概念是局部的，基于模型化分布的表示，该表示将经典喷子概念推广至不规则情形。
• 该框架使得在合适函数空间中进行不动点论证成为可能，从而为一大类奇异SPDE提供了局部解的存在性与唯一性。
• 该方法成功处理了KPZ方程的尺度与奇异性结构，为数学物理中此类方程的严格分析提供了路径。