那么就借这个回答简单讲下我这几年另一个方向的工作(和Nahmod和岳海天合作的),色散方程的随机初值问题吧(正好昨天刚在EPFL给了一个面向研究生的informal talk,所以材料都是现成的w)

还是考虑我们最喜欢的NLS方程 (i∂t+Δ)u=∣u∣p−1u(i\partial_t+\Delta)u=|u|^{p-1}u,其中 x∈Tdx\in\mathbb{T}^d,pp 是奇数。所谓随机初值问题,一种典型情况是取初值

u(0)=f=∑k∈Zdβk⋅gkeik⋅x,u(0)=f=\sum_{k\in\mathbb{Z}^d}\beta_k\cdot g_k e^{ik\cdot x},

其中 {gk}\{g_k\} 为i.i.d. Gaussian,βk\beta_k 为常数(比如 ∣k∣−α|k|^{-\alpha})。考虑这类问题至少有两个motivation:一是数学上研究紧流形(比如环面)上NLS及一般色散方程的通常(generic)行为或说大概率情况下的行为,二是证明Gibbs测度(统计物理上的平衡态)的不变性及可能的进一步性质。

这方面最早的工作一般认为是Bourgain 1994和1996年的文章,其中1996年的文章(d=2d=2, p=3p=3 的Gibbs测度)证明了即使随机初值的正则性低于通常local well-posedness threshold(即 HscH^{s_c}, sc=d/2−2/(p−1)s_c=d/2-2/(p-1)),随机性的存在依然可以保证方程几乎必然存在局部强解。

也就是说,如果 sc=d/2−2/(p−1)s_c=d/2-2/(p-1) 是使得NLS的解映射能被定义为从初值出发的连续映射的最低正则性,则应当存在一个更低的 sp<scs_p<s_c,它是使得NLS的解映射能被(几乎处处)定义为从初值出发的可测映射的最低正则性。

问题是这个 sps_p 是多少?其实自从Bourgain之后,Burq-Tzvetkov,Oh,Bourgain-Bulut,Killip-Murphy-Visan,Nahmod-Staffilani以及别的很多人都在探索这个问题,他们通过拓展Bourgain的技术不断改进 sps_p 的值,但这些改进的极限在哪里依然未知,甚至连一个明确的猜测都没有。

以上,便是2018年这一方向的状况。对于形式类似的椭圆/抛物SPDE,几年前Hairer和Gubinelli-Imkeller-Perkowski的突破性工作已经造出了威力巨大的新工具,得到了明确的正则性下界,并证明了正则性高于此下界时,通过适当重整化必定可以构造解映射。另一方面,对色散方程的相应研究却有些停滞不前,大家还依赖于Bourgain 1996年方法的精细化,而后者的固有缺陷使得这些改进始终无法达到真正的临界值。当时大家都觉得应该“somehow”把Hairer的regularity structure或者Gubinelli-Imkeller-Perkowski的paracontrolled calculus搬到色散方程中来,但没有人知道具体该怎么做。


时间到了2018年9月,当时Nahmod的学生岳海天去USC跟我做博后。有一次他和我提起Nahmod和Bourgain在2016年讨论过的一个问题,即如何将1996年文章的二维 p=3p=3 的Gibbs测度结果扩展到 p=5p=5,这也是我(在2010-2013年之后)重新回到随机初值这一领域的契机。如果你读过 我之前的回答 就会知道,我开始关心wave turbulence是在2018年10月,而之后几年里这两条线的进展也一直紧密相连;怎么说呢,事后想来也有种命运齿轮缓缓转动的感觉吧。

我们首先想到的是paracontrolled calculus(regularity structure因为依赖于物理空间的操作所以很难用于NLS的场景),在这方面Gubinelli-Koch-Oh和Bringmann在2018年已经有所尝试,当然他们的方法只能处理波方程而无法应用到NLS,我们一开始试图沿用他们的框架也遭到失败。关键是paracontrolled ansatz相当于将解中正则性比较坏的部分写成高-低频作用 uHL∼Iπ>(uexp,ulow)u_{HL}\sim\mathcal{I}\pi_>(u_{\mathrm{exp}},u_{\mathrm{low}}),其中 I\mathcal{I} 是Duhamel算子,uexpu_{\mathrm{exp}} 是某些显式的多线性Gaussian随机变量(满足非常好的概率估计),而高-低频paraproduct结构使得 uHLu_{HL} 能够在某种意义上继承 uexpu_{\mathrm{exp}} 的概率估计,从而解决掉最坏的这一项。然而NLS相比抛物或波方程而言,缺少了关键的光滑化性质,因此 uHLu_{HL} 并不能继承 uexpu_{\mathrm{exp}} 的良好概率估计,除非我们对低频部分 ulowu_{\mathrm{low}} 有更为精确的描述。

这时我们意识到这里有一个对频率归纳的过程,也正是paracontrolled calculus在色散方程情形缺失的关键部分:

对 ulowu_{\mathrm{low}} 的精确描述
→\rightarrow 对线性算子 v↦Iπ>(v,ulow)v\mapsto \mathcal{I}\pi_>(v,u_{\mathrm{low}}) 的估计
→\rightarrow 证明 uHL∼Iπ>(uexp,ulow)u_{HL}\sim \mathcal{I}\pi_>(u_{\mathrm{exp}},u_{\mathrm{low}}) 能够继承 uexpu_{\mathrm{exp}} 的概率估计
→\rightarrow 得到对 uu 的精确描述

这里最重要的是上述第二行的线性算子(i.e. 随机矩阵) v↦Iπ>(v,ulow)v\mapsto \mathcal{I}\pi_>(v,u_{\mathrm{low}}),它在归纳过程中起到了承上启下的作用,也就是后来我们叫做random averaging operator的东西。对于这类随机矩阵该用什么范数控制,我们尝试了很久,后来2019年春天在Princeton的一个下午,才注意到结合Hilbert-Schmidt范数 ∥hkl∥kl=∥h∥ℓkl2\|h_{kl}\|_{kl}=\|h\|_{\ell_{kl}^2} 和算子范数 ∥hkl∥k→l=∥h∥ℓk2→ℓl2\|h_{kl}\|_{k\to l}=\|h\|_{\ell_k^2\to\ell_l^2} 就能使归纳过程完美成立。

这样一来Bourgain关心的二维 p=5p=5 问题就完全解决了;而且我们的方法甚至可以原封不动地用来处理二维任意 pp 值的问题,这远远超出了最初的预期,连我自己一时都感到惊讶。


当然即使如此, sps_p 最优值是多少这一问题当时仍未解决。在2019年的文章里我们通过heuristic argument提出了猜想,即对NLS而言应有 sp=−1/(p−1)s_p=-1/(p-1)。接近这一临界值时,我们需要进行任意高阶的Duhamel展开;理所当然地,随机矩阵将变成一般的随机张量,而上文的Hilbert-Schmidt与算子范数恰好对应于下列范数:将张量的指标任意划分为左右两部分,将张量看作从左侧变量到右侧变量的(随机)矩阵并估计其算子范数,比如

∥habcd∥ab→cd=sup⁡{(∑c,d∣∑a,bhabcd⋅yab∣2)1/2:∑a,b∣yab∣2=1}.\|h_{abcd}\|_{ab\to cd}=\sup\bigg\{\bigg(\sum_{c,d}\bigg|\sum_{a,b}h_{abcd}\cdot y_{ab}\bigg|^2\bigg)^{1/2}:\sum_{a,b}|y_{ab}|^2=1\bigg\}.

这是2019年下半年和2020年上半年的事。这一段工作推进得出奇顺利,我们很快建立了(每一步都几乎是唯一的)一整套随机张量的新工具,后来我们称为random tensor theory。进一步,我们成功证明了对于NLS方程而言最优正则性就是 sp=−1/(p−1)s_p=-1/(p-1),在这下界以上一定可以通过适当重整化来构造解映射。

到此我们终于完美回答了最初提出的问题,并在NLS情形得到了强度相当于抛物情形regularity structure能够得到的完整结果。当然「抛物方程都相似,色散方程各有各的散法」,我们很快意识到不同的色散关系会导致不同的最优正则性,而证明所需要的技术也各不相同,对NLS成立的估计不一定对波方程适用(反之亦然)。这就引到后来和Bringmann的合作,以及对三维波方程Gibbs测度不变性的证明;也是个有趣的故事,但容我以后再说吧。

最后提一嘴Bourgain。Bourgain应该说是这一代分析学家的领袖,也是我个人非常仰慕的人物。他的兴趣极其广泛,从调和分析到PDE到谱理论,从分析到组合到数论,在许多领域都有着开创性的工作。具体到随机初值这一块(也包括一般PDE的概率理论),他1994-1999年的系列文章可以说为这一领域奠定了基础。虽然他后来兴趣转到别的方向(除了2013-2014年和Bulut合作的文章以外),但直到2016年他还在关心随机初值和Gibbs测度的问题。

很可惜Bourgain于2018年12月去世。我有时会想,如果他能多活两三年,他又会对我们2019和2020年这些工作给出怎样的评价呢?对于三维NLS的Gibbs测度,以至于同样需要无穷阶展开的四维Yang-Mills问题,他又会说些什么呢?这真的是我很好奇想知道的事啊,只是永远没有机会了。