马丁·海尔

创立正则结构理论,为随机偏微分方程(如 KPZ 方程)建立严格的数学框架

奖项
突破奖
年份
2021
国籍 / 出生
奥地利/英国
出生
1975

获奖原因

马丁·海尔是随机分析与随机偏微分方程(SPDE)的领军人物。2014 年,他创立”正则结构理论”(theory of regularity structures),为如 KPZ 方程、动力学方程(Φ⁴₃ 模型、随机玻尔兹曼方程)这类”高度奇异”的随机 PDE 提供了严格的存在唯一性理论,解决了长期悬而未决的难题。他因此获 2021 年数学突破奖(此前已获菲尔兹奖 2014)。

问题来龙去脉

许多随机 PDE 在”乘性噪声”下变得不合常规:经典函数空间里根本没有解,因为噪声太”粗糙”。典型例子是 KPZ 方程(描述界面生长):

th=x2h+(xh)2+ξ,\partial_t h = \partial_x^2 h + (\partial_x h)^2 + \xi,

其中 ξ\xi 是空间–时间白噪声。这里 (xh)2(\partial_x h)^2 在分布意义下没有良定义:若 hh 是分布,其导数平方发散。过去物理学家用”重整化(renormalization)“强行减去发散项,但缺乏严格数学基础。

海尔的突破是构造一套”正则结构”:把解及其所需的”复合非线性”(如 hhxh\partial_x hxhΞ\partial_x h \cdot \Xi 等)组织成一个带”正则性指标”的代数结构 T\mathcal{T},其中 Ξ\Xi 表示噪声、I\mathcal{I} 表示积分算子。解被表示为”模型”(model)(Π,Γ)(\Pi, \Gamma),把符号 XTX \in \mathcal{T} 映射到实际分布 ΠX\Pi X。关键是对”粗糙噪声”构造一个”粗糙路径式”的模型,使其在任意小尺度上”局部线性”,从而可用”征服(subcritical)“条件迭代求解。

具体地,他定义”重正化”为对 T\mathcal{T} 的”收缩同态” MM,把发散的组合项(如 Ξ2\Xi^2 的平均)正式减去。通过证明”稳态模型”(stationary model)以概率 1 存在且唯一(在适当的”重正化”极限下),他把物理家的”重整化群”变成了数学定理。这给出 KPZ 方程的”不变测度”(即 “KPZ 不动点”)以及 Φ34\Phi^4_3(三维量子场论的欧几里得版本)的构造性存在性。

正则结构理论 generalizes “粗糙路径理论”(Lyons, 1998):把一维时间扩展为多维时空,把”路径的提升”扩展为”分布场的符号提升”。它统一了此前零散的 SPDE 结果,并直接催生了”奇异 SPDE”的整个新领域:随机杨–米尔斯、随机纳西(Navier–Stokes)的某种”不光滑”版本、以及”动力学临界现象”的数学严格化。

海尔还发展了”魔颤(Malliavin)“与”热核”方法,给出”遍历性”与”收敛到平衡”的速率。他的工作让”奇异随机 PDE”从物理直觉变成严密数学分支,是概率与 PDE 交汇的里程碑。