随机热传导过程中的大偏差为热传导提供了梯度流结构
数学物理
2015-06-19 v1 统计力学
偏微分方程分析
math.MP
概率论
摘要
我们考虑晶格上的三个一维连续时间马尔可夫过程,每个过程都模拟热传导:带有参数 的布朗能量过程族、广义布朗能量过程以及 Kipnis-Marchioro-Presutti 过程。这三个过程的流体力学极限均为抛物型方程:对于 BEP 和 KMP 是线性热方程,对于 GBEP 是非线性热方程。我们严格证明了 BEP 的流体力学极限,并给出了 GBEP 的形式推导。随后,我们形式推导了这三个过程经验测度的路径大偏差率泛函。这些率泛函暗示了极限线性和非线性热方程的梯度流结构。我们将这些梯度流结构与描述质量扩散的过程(最重要的是 Wasserstein 梯度流系统类)进行了对比。线性和非线性热方程的梯度流结构均由形式为 的熵项驱动;它们涉及线性热方程的 阶耗散或迁移项,以及非线性热方程的 的非线性函数。
引用
@article{arxiv.1403.4994,
title = {Large Deviations in Stochastic Heat-Conduction Processes Provide a Gradient-Flow Structure for Heat Conduction},
author = {Mark A. Peletier and Frank Redig and Kiamars Vafayi},
journal= {arXiv preprint arXiv:1403.4994},
year = {2015}
}
备注
29 pages