高斯過程與高斯測度

高斯對數索伯列夫不等式(Gaussian log-Sobolev inequality)

/ so-bo-LYOV /

高斯對數索伯列夫不等式(Gross)是高斯世界的主泛函不等式。它用一個函數梯度的平均大小,界定一個衡量該函數有多「非常數」的類熵量——一個乾淨的不等式同時編碼了測度集中、奧恩斯坦-烏倫貝克半群的指數收斂、以及(等價地)超收縮性。它是 Poincare 不等式的無維升級,也是高斯測度如此易於分析的原因。

設 gamma 為 R^n 上的標準高斯測度,定義 f^2 的熵為 Ent_gamma(f^2) = integral f^2 log f^2 dgamma - (integral f^2 dgamma) log(integral f^2 dgamma)。Gross 不等式陳述:對所有光滑 f,Ent_gamma(f^2) <= 2 integral | grad f |^2 dgamma,常數 2 銳利且關鍵地與維度 n「無關」。(對比高斯 Poincare 不等式 Var_gamma(f) <= integral |grad f|^2 dgamma,它控制變異數;LSI 控制更強的熵泛函,並在常數附近線性化後推出 Poincare。)無維常數正是它在無窮維、以及乘積/高維情形中強大之處,因為它「張量化」:R^1 上 gamma 的 LSI 自動以「相同」常數給出 R^n 上 gamma^n 的 LSI。Gross 定理斷言此不等式「等價」於 OU 半群的 Nelson 超收縮性,二者沿時間參數互為勒讓德型變換。

重要性:由 LSI,經 Herbst 論證可導出 Lipschitz 函數的次高斯集中,對 1-Lipschitz 的 f,P( f - E f >= u ) <= exp(-u^2 / 2)——以明確常數重得高斯等周集中;可導出 OU 流下熵的指數衰減(故快速混合);並得到一個穩健、可張量化、且在等周性微妙的無窮維中仍存活的工具。誠實提醒:梯度須是與高斯共變異數相配的「歐氏」梯度,且無維常數是對數凹測度才有的特殊性——對一般測度,至多得到一個常數依賴於測度的 LSI(例如經由 Bakry-Emery 曲率準則),且未必存在。

對 1-Lipschitz 的 g,把 LSI 套用於 f = exp(lambda g / 2)(Herbst 論證):熵化為對數動差母函數的微分不等式,積分得 E[exp(lambda(g - E g))] <= exp(lambda^2 / 2)。由馬可夫不等式這正是次高斯尾 P(g - E g >= u) <= exp(-u^2 / 2)——僅由梯度界產生的高斯集中。

對數索伯列夫不等式加 Herbst 論證,對 Lipschitz 的 g 產生高斯集中 P(g - E g >= u) <= exp(-u^2/2)。

常數 2 銳利且「與維度無關」(它張量化),這是對數凹測度才有的特殊性;一般測度未必滿足任何對數索伯列夫不等式。

又称
LSIGross's log-Sobolev inequalitylogarithmic Sobolev inequality對數索伯列夫不等式LSI