• 学术搜索
  • 科研智能体
    • Research Labs
    • AI 阅读
    • AI 文库
    • 深度研究
    • 学者亮点
  • 学术资源
    • AI2000
    • 期刊/会议
    • 学者库
    • 学术API
      MCP&Skill
    • 溯源树
    • 数据集
  • 知识沉淀
    • 学术空间
订阅小程序
旧版功能
aminer vip
开通会员低至0.73元/天
一次搞定AI科研
立即登录
  • English
  • 联系方式
    Annales De L Institut Henri Poincare-probabilites Et Statistiques

    Annales De L Institut Henri Poincare-probabilites Et Statistiques

    JournalISSN 0246-0203中科院 数学 3区

    年发文量

    研究主题

    论文(2654)

    排序
    1Large Deviations Principle for Sub-Riemannian Random Walks
    Maria Gordina,Tai Melcher,Dan Mikulincer, Jing Wang

    Nous étudions les grandes déviations de marches aléatoires sur des groupes de Lie stratifiés. Pour de tels groupes, il existe une collection naturelle de vecteurs qui génère leur algèbre de Lie et nous considérons des marches aléatoires avec des incréments seulement le long de ces vecteurs. Sous certains hypothèses sur la loi des incréments, nous prouvons un principe de grandes déviations pour ces marches aléatoires. La fonction de taux correspondante est adaptée à la géométrie sous-Riemannienne de ces espaces.

    2026
    引用
    AI阅读
    加入学术空间
    2Some FKG Inequalities for Stochastic Processes
    Alexandre Legrand

    Ce papier a pour objectif de démontrer des inégalités de corrélation de type FKG pour différents processus stochastiques en temps continu. L’outil central donnant ces inégalités est une approximation avec des marches aléatoires ou chaînes de Markov (possiblement conditionnées). En particulier nous prouvons des inégalités FKG pour les processus de Lévy, de Bessel et pour plusieurs processus browniens conditionnés. En outre, nous établissons également une condition nécessaire et suffisante pour qu’une marche aléatoire sur Z satisfasse la célèbre “condition FKG”.

    2026
    引用
    AI阅读
    加入学术空间
    3The Ballistic Limit of the Log-Sobolev Constant Equals the Polyak–Łojasiewicz Constant
    Sinho Chewi, Austin J. Stromme

    La constante de Polyak–Łojasiewicz (PL) d’une fonction f:Rd→R caractérise le meilleur taux de convergence exponentielle du flot de gradient pour f, uniformément par rapport aux initialisations. Par ailleurs, dans la théorie des diffusions de Markov, la constante log-Sobolev (LS) joue un rôle analogue, régissant le taux de convergence exponentielle des dynamiques de Langevin à partir d’une initialisation arbitraire, mesurée en divergence de Kullback-Leibler. Nous établissons un nouveau lien entre l’optimisation et l’échantillonnage en montrant que la limite basse température limt→0+t−1CLS(μt) de la constante LS de μt∝exp(−f/t) correspond exactement à la constante PL de f, sous des hypothèses modérées. En revanche, nous montrons que la limite correspondante pour la constante de Poincaré est l’inverse de la plus petite valeur propre de ∇2f au minimum.

    2026
    引用
    AI阅读
    加入学术空间
    4From Exclusion to Slow and Fast Diffusion
    Patricia Gonçalves, Gabriel S. Nahum,Marielle Simon

    Nous construisons un système de particules avec des interactions à plus proches voisins qui obéit à la règle d’exclusion, et dont le comportement macroscopique permet d’illustrer une transition entre une diffusion lente et une diffusion rapide. Plus précisément, la limite hydrodynamique du système microscopique dans l’échelle diffusive est donnée par l’équation parabolique ∂tρ=∇(D(ρ)∇ρ), avec D(ρ)=mρm−1 le coefficient de diffusion et m∈(0,2]. Autrement dit, dans le régime m∈(0,1) on observe une diffusion rapide, alors que dans le régime m∈(1,2) on retrouve l’équation dite des milieux poreux. La construction de ce modèle est basée sur un théorème binomial généralisé, et interpole de manière continue en m le modèle microscopique déjà connu appelé modèle des milieux poreux lorsque m=2, le processus d’exclusion simple symétrique lorsque m=1, jusqu’à un nouveau modèle de diffusion rapide pour tout m∈(0,1). La limite hydrodynamique satisfaite par la densité empirique de particules sur le tore de dimension 1 est demontrée grâce à la méthode d’entropie, avec plusieurs difficultés techniques dépendant du régime (diffusion lente ou rapide), et l’obtention de nouvelles propriétés satisfaites en particulier par le modèle des milieux poreux.

    2026
    引用
    AI阅读
    加入学术空间
    5The Polynomial Growth of the Infinite Long-Range Percolation Cluster
    Johannes Bäumler

    Nous étudions la percolation indépendante à longue portée sur Zd où les arêtes des plus proches voisins sont toujours ouvertes et la probabilité que deux sommets x,y avec ‖x−y‖>1 soient connectés par une arête est proportionnelle à β ‖x−y‖s, où β>0 et s>0 sont des paramètres. Nous montrons que la boule de rayon k centrée sur l’origine dans la métrique du graphe croît polynomialement si et seulement si s≥2d. Pour le cas critique s=2d, nous montrons que l’exposant de croissance du volume est inversement proportionnel à l’exposant de croissance de la distance. De plus, nous fournissons des bornes inférieures et supérieures précises sur la probabilité que l’origine et ne1 soient connectés par un chemin de longueur k dans le cas critique s=2d. Nous utilisons ces résultats pour déterminer la dimension de Hausdorff de la métrique de percolation critique à longue portée récemment construite par Ding, Fan et Huang (2023).

    2026
    引用
    AI阅读
    加入学术空间
    立即登录,查看全部 2654 篇论文

    高被引作者

    作者引用发文
    Emmanuel Rio10558
    E. Brian Davies9351
    Daniel Stroock5852
    Yuval Peres56922
    E GINE5674
    Olivier Catoni5414
    David Nualart52316
    Armelle Guillou5233
    Ofer Zeitouni52117
    Eric A. Carlen5193

    高产作者

    作者引用发文
    Yuval Peres56922
    Ofer Zeitouni52117
    David Nualart52316
    Claudio Landim49616
    Marc Yor28214
    Jean Bertoin45414
    Patricia Goncalves21313
    Xia Chen28111
    Gady Kozma21911
    Andreas E. Kyprianou39311

    相关期刊

    Markov processes and related fields
    Probability Theory and Related Fields
    Probability Surveys
    Annals of Probability
    Annals of Applied Probability
    Electronic Journal of Probability
    Electronic Communications in Probability
    ALEA-Latin American Journal of Probability and Mathematical Statistics
    arXiv: Probability