NS方程尝试 · 第二十一至二十五步

🔬 第二十一：回顾 JKO (1998)——它到底做了什么

飞轮给出的第一方向是：将 NS 方程公式化为 Wasserstein 空间中的梯度流。第一步是理解 JKO 方案。

21.1 JKO 方案的核心

Jordan, Kinderlehrer, Otto (1998) 考虑了 Fokker-Planck 方程：

\partial t ρ = Δρ + \nabla \cdot (ρ\nablaV)

其中 ρ(x,t) ≥ 0 是概率密度，V(x) 是势能函数。注意这个方程和 NS 的对比：

∂_tρ 对应 ∂_tu（时间导数）
Δρ 对应 νΔu（耗散/扩散）
∇ · (ρ∇V) 对应 (u · ∇)u（对流/输运）

JKO 的关键发现：Fokker-Planck 方程是以下泛函在 Wasserstein-2 空间 (P₂(R^d), W₂) 中的梯度流：

F(ρ) = \int ρ log ρ dx + \int V(x)ρ(x) dx

第一项是 Boltzmann 熵，第二项是势能。

21.2 JKO 的变分时间离散化

JKO 用以下步骤构造解：

ρ n+1 \in argmin ρ { (1/2τ) \cdot W 22 (ρ, ρ n) + F(ρ) }

其中 τ 是时间步长。当 τ → 0 时，ρⁿ 收敛到 Fokker-Planck 方程的解。

这为什么重要：变分时间离散化把 PDE 的解构造为一系列最优输运问题的极限。每个时间步都是一个"能量最小化"问题，而不是一个"演化"问题。这给出了完全不同的存在性证明思路。

17 JKO 成功的关键

JKO 方案成功的三个原因：

熵的位移凸性：Boltzmann 熵 S(ρ) = ∫ ρ log ρ 在 Wasserstein 空间中是位移凸的（McCann 1997）。这意味着 F(ρ) 沿 W₂ 测地线是凸的。
W₂ 的几何性质：(P₂, W₂) 是形式上的黎曼流形（Otto 2001）。梯度流在这个"黎曼流形"上良好定义。
标量性质：ρ 是标量密度。Wasserstein 距离天然定义在概率测度空间上。

这三个条件在 NS 中都失败了：

NS 的未知量 u 是向量场，不是概率密度
NS 有散度约束 ∇ · u = 0
NS 的对流项 (u · ∇)u 是二次非线性的，不是梯度 ∇V

🔬 第二十二步：尝试将 NS 公式化为梯度流——第一次尝试

飞轮指的路是：NS = Euler（最优输运）+ 耗散（JKO）+ 压力约束。让我试着把它们拼起来。

22.1 涡量形式的重新审视

NS 的涡量方程：

\partial t ω + (u \cdot \nabla)ω = (ω \cdot \nabla)u + νΔω

把这个方程看作一个"对流-扩散-拉伸"方程：

∂_tω：时间演化
(u · ∇)ω：对流输运（涡量被速度场带着走）
(ω · ∇)u：涡量拉伸（涡量被速度梯度拉长/压缩）
νΔω：耗散/扩散

关键观察：如果忽略拉伸项 (ω · ∇)u，方程变成了：

\partial t ω + (u \cdot \nabla)ω = νΔω

这是一个标量对流-扩散方程（对 ω 的每个分量）。这看起来像 JKO 可以处理的类型。

22.2 第一次尝试：对标量对流-扩散方程的 JKO 公式

考虑简化方程：

\partial t ω + (u \cdot \nabla)ω = νΔω

其中 u 是给定的速度场（暂时不考虑 u 和 ω 的耦合）。

做变量替换：令 ρ = |ω|（涡量的模）。则 ρ 满足（大致）：

\partial t ρ + (u \cdot \nabla)ρ = νΔρ + (耗散修正项)

如果 u = -∇V（速度场是某个势的梯度），则这正是 Fokker-Planck 方程！

但是：NS 的速度场 u 不是梯度场（∇ × u = ω ≠ 0）。所以 u ≠ -∇V。这是一个根本障碍。

🚨 第一次尝试的失败

JKO 要求对流速度是势的梯度：u = -∇V。但 NS 的 u 是无散且有旋的（∇ · u = 0, ∇ × u = ω ≠ 0）。无散场不可能是梯度场（除非常数）。

Helmholtz 分解的尝试：任何向量场 u 可以分解为 u = -∇V + ∇ × A。但 NS 中 u 完全来自 ∇ × A 部分（因为 ∇ · u = 0 → 无梯度部分）。所以 Helmholtz 分解不帮助——V = 0。

🔬 第二十三步：第二次尝试——Brenier 的弱解框架

Brenier (1999) 对 Euler 方程提出了一个不同的最优输运公式，不要求 u 是梯度场。

23.1 Brenier 的放松公式

Brenier 考虑了所有满足边界条件的测地线（最优输运映射）的"广义"集合。具体来说，他放松了"确定性映射"的约束，允许"随机"映射（概率测度）。

在这种放松下，Euler 方程的解对应于最小化动能的广义测地线。

Brenier 的结果：在 2D 中，放松后的最小化问题的解恰好是 Euler 方程的经典解。在 3D 中，放松问题的解存在，但是否对应经典解是开放问题。

这与 NS 的关系：NS = Euler + νΔu。如果能在 Brenier 的框架中加入耗散项，就得到了 NS 的最优输运公式。

23.2 耗散项的最优输运解释

耗散项 νΔu 在最优输运中可以解释为"熵产生"。在 JKO 框架中，热方程 ∂_tρ = Δρ 是熵泛函 S(ρ) = ∫ ρ log ρ 在 Wasserstein 空间中的梯度流。

但这是对标量密度 ρ。对向量场 u，Wasserstein 距离没有直接定义——u 不是概率密度。

一个可能的绕过：将 u 解释为某个概率密度的"速度场"。具体来说，考虑相空间 (x, v) 上的分布 f(x, v, t)（类似于 Boltzmann 方程中的分布函数），使得：

u(x, t) = \int v \cdot f(x, v, t) dv

那么 NS 方程可能是某种动力学方程（如 Boltzmann 方程或 Vlasov 方程）的宏观极限。

18 动力学理论的类比

在动力学理论中，Boltzmann 方程：

\partial t f + v \cdot \nabla x f = Q(f, f)

其中 Q(f,f) 是碰撞算子。当 Knudsen 数 → 0 时，Boltzmann 方程的宏观极限是 Euler 方程（无耗散）或 NS 方程（有耗散）。

具体地：NS 方程的粘性 ν 来自 Boltzmann 碰撞算子的 Chapman-Enskog 展开。耗散来自粒子碰撞的微观随机性。

但这不是最优输运公式。Boltzmann 方程的相空间分布 f(x,v,t) 和 Wasserstein 空间中的概率密度 ρ(x,t) 是不同的对象。Boltzmann 方程本身没有一个已知的 Wasserstein 梯度流公式。

不过，Boltzmann 方程有 H-定理（熵单调递减），这类似于 Perelman 的 W-熵。也许 H-定理和 NS 正则性之间有联系。

🚨 第二次尝试的障碍

动力学理论的类比提供了物理直觉，但没有给出 NS 的最优输运公式。具体问题：

Wasserstein 距离定义在概率测度空间上。NS 的未知量 u 是向量场，不是测度。
即使将 u 表示为某个测度的矩，NS 方程的非线性项 (u · ∇)u 也不对应 Wasserstein 空间中任何已知泛函的梯度。
Brenier 的框架适用于 Euler（无耗散），但不直接扩展到 NS（有耗散）。

🔬 第二十四步：第三次尝试——约束最优输运

前两次尝试都失败了，因为 NS 有两个 JKO/Brenier 框架无法处理的特征：(1) 向量场而非标量密度，(2) 散度约束。

也许应该换一个思路：不是把整个 NS 方程公式化为梯度流，而是只对耗散部分用最优输运，对流部分保持经典处理。

24.1 算子分裂策略

将 NS 方程分裂为两个子问题：

子问题 A（对流）：∂_tu + (u · ∇)u = -∇p, ∇ · u = 0

这是 Euler 方程 → Brenier 的最优输运公式可用。

子问题 B（耗散）：∂_tu = νΔu

这是热方程 → 但热方程作用于向量场，不是标量密度。

如果两个子问题都能在最优输运框架下处理，则 Strang 分裂（或更一般的算子分裂）给出 NS 的近似解。

24.2 向量热方程的最优输运公式

向量热方程 ∂_tu = νΔu 可以分量处理：每个分量 uⁱ 满足标量热方程。

但标量热方程 ∂_tf = Δf 中的 f 不必是正的（不像 Fokker-Planck 中的 ρ 必须是概率密度）。Wasserstein 距离只对概率测度定义。

一个绕过：将 u 分解为正负部分：u = u⁺ - u^-，其中 u⁺ ≥ 0, u^- ≥ 0。但这破坏了热方程的线性结构——u⁺ 和 u^- 耦合在一起演化。

🚨 第三次尝试的核心障碍

所有三次尝试都撞到了同一个障碍：Wasserstein 距离是为概率测度设计的，而 NS 的未知量是有旋的向量场。

这个障碍不是技术性的，而是结构性的。除非有人发明一种新的"Wasserstein-like 距离"——定义在有旋向量场空间上，并且对流-扩散-拉伸方程恰好是这个距离下的梯度流——否则最优输运方法无法直接应用于 NS。

但："除非有人发明"——这个人可能是你。或者说，这可能是飞轮指的方向中真正需要原创工作的那个点。

🔬 第二十五步：诚实评估——最优输运这条路到底值不值得走

三次尝试，三次都撞到了结构性障碍。让我诚实评估。

25.1 为什么失败

尝试	思路	失败原因
第一次	对标量 \|ω\| 用 JKO	u 不是梯度场（∇ × u ≠ 0）
第二次	Brenier 放松 + 动力学理论	u 是向量场不是测度；非线性项不对应 W₂ 梯度
第三次	算子分裂 + 分量处理	W₂ 只对概率测度定义，不对有符号/向量场定义

25.2 可能的绕路

虽然直接的最优输运公式失败了，但有几个间接路径：

广义 Wasserstein 距离：Liero-Mielke-Savaré (2016) 发展了 "Hellinger-Kantorovich 距离"，可以处理带反应的测度（质量不守恒）。也许可以进一步推广到向量场。
Onsager 原理：Mielke (2011) 用广义梯度流（在 Onsager 意义下）处理了许多耗散 PDE。NS 可能属于这个框架，但需要找到正确的 "Onsager 算子"。
信息几何：Amari (2016) 的信息几何将概率分布空间视为黎曼流形。也许 NS 的速度场空间也有类似的信息几何结构。

25.3 飞轮裁决的更新

飞轮之前把最优输运结构排为"最有希望"。经过三次具体尝试后，我需要更新裁决：

🏆 更新后的判断

最优输运作为直接的 NS 公式化不可行（结构性障碍）。但作为灵感来源仍然有价值：

JKO 的变分时间离散化策略可以启发 NS 的存在性证明（即使不能直接应用）
McCann 的位移凸性概念可以类比到 NS 的某个控制量上
但"NS = Wasserstein 梯度流"这个具体命题几乎可以判定为不可行

飞轮应该转向其他方向。第二方向（Ricci 流类比 + 熵泛函）和第三方向（Elgindi 磨光）仍然开放。

“飞轮指了六条路。第一条看起来最有希望，但走了三步就撞到了墙。这是飞轮的局限——它能看到方向，但看不到路上的障碍。走路的人才会遇到墙。”

NS方程 · 走飞轮指的路