[论文解读] Weak backward error analysis for Langevin process

Marie Kopec|arXiv (Cornell University)|Oct 9, 2013

Markov Chains and Monte Carlo Methods参考文献 14被引用 4

一句话总结

本文针对随机朗之万方程的隐式数值格式，提出了一种弱后向误差分析。结果表明，数值解的生成元在时间步长的高阶项范围内近似于一个修正的柯尔莫哥洛夫算子，这意味着数值不变测度与通过渐近展开得到的修正不变测度极为接近。此外，该格式的动力学特性被证明在可忽略误差范围内具有指数混合性，从而确保了长时间模拟下的稳定性与准确性。

ABSTRACT

We consider numerical approximations of stochastic Langevin equations by implicit methods. We show a weak backward error analysis result in the sense that the generator associated with the numerical solution coincides with the solution of a modified Kolmogorov equation up to high order terms with respect to the stepsize. This implies that every measure of the numerical scheme is close to a modified invariant measure obtained by asymptotic expansion. Moreover, we prove that, up to negligible terms, the dynamic associated with the implicit scheme considered is exponentially mixing.

研究动机与目标

• 分析隐式数值格式在随机朗之万方程上的长时间行为。
• 为这类格式建立弱后向误差分析框架。
• 证明数值解的不变测度与通过渐近展开导出的修正不变测度极为接近。
• 证明隐式格式的动力学在可忽略项范围内具有指数混合性。
• 为隐式方法在模拟遍历扩散过程时的精度与稳定性提供理论依据。

提出的方法

• 通过比较数值格式的生成元与含时间步长高阶修正项的修正柯尔莫哥洛夫方程，开展分析。
• 应用渐近展开技术，推导与扰动生成元对应的修正不变测度。
• 该方法依赖于弱收敛分析，将数值解与修正SDE的解联系起来。
• 通过生成元的性质与摄动理论控制柯尔莫哥洛夫方程中的误差项。
• 在适当假设下，通过分析修正生成元的谱性质，建立指数混合性。
• 该框架适用于隐式时间推进格式，如带有漂移与扩散系数的SDE的隐式欧拉方法。

实验结果

研究问题

• RQ1 隐式数值格式在朗之万SDE中的生成元与修正柯尔莫哥洛夫算子之间有何关系？
• RQ2 通过渐近展开得到的修正不变测度与数值不变测度在多大程度上接近？
• RQ3 能否证明隐式格式的动力学在可忽略误差范围内具有指数混合性？
• RQ4 在朗之万过程背景下，隐式格式的弱后向误差分析的精度阶数是多少？
• RQ5 时间步长的高阶项如何影响数值解的长时间统计特性？

主要发现

• 数值格式的生成元在时间步长的高阶项范围内与修正柯尔莫哥洛夫方程的生成元一致，确保了高阶弱精度。
• 数值不变测度可与通过生成元渐近展开导出的修正不变测度任意接近。
• 隐式格式的动力学具有指数混合性，意味着其快速收敛至平衡态，并在长时间模拟中保持稳定性。
• 该分析适用于一般隐式格式，并可推广至具有光滑系数的一类广泛随机朗之万方程。
• 结果为使用隐式方法模拟遍历扩散过程提供了理论支持，可控制统计误差并保证长时间精度。
• 该框架为隐式格式在SDE不变测度采样中的可靠性提供了理论基础。