Wasserstein 공간 내에서 부드럽게 변화하는 분포를 위한 시공간 미니맥스 속도 (A Temporal Spatial Minimax

우리는 속도장 (velocity field)의 $k$번째 공변 미분 (covariant derivative)에 대한 단열 경계 (adiabatic bound)가 $|
abla_t^k v|\le\varepsilon$을 만족할 때, 과거의 유한하고 노이즈가 섞인 스냅샷 (snapshots)들로부터 $2$-Wasserstein 공간 $\mathcal{P}2(\mathbb{R}^d)$ 내의 곡선 $t\mapsto\mu_t$의 미래 값 $\mu{t_n+h}$를 추정하는 미니맥스 속도 (minimax rate)를 연구합니다. 우리의 핵심 결과는 통합된 시공간 미니맥스 하한 (temporal-spatial minimax lower bound)입니다. 규칙적이고 국소적으로 수송이 풍부한 (locally transport-rich) 하위 클래스들에 대해, 모든 추정량은 $M$-지수(exponent)가 $\gamma_d(k+1)/(k+1+\gamma_d)$인 $W_2$-리스크 (risk)를 발생시키며, 여기서 $\gamma_d=\min(1/d,1/2)$이고 $M$은 총 샘플 크기입니다. 이는 시간-공간 축소 (temporal-to-spatial reduction)로부터 도출됩니다. 즉, 매끄러움 예산 (smoothness budget)이 도달 가능한 $W_2$-볼 (ball)을 정의하며, 이 볼 안에는 시간축을 따라 수송 패킹 (transport packing)이 임베딩(embedding)됩니다. 전체 스냅샷 실험의 정보량은 Fano 논증 (Fano argument)에 의해 제어됩니다. 공간 패킹 (spatial packing)은 고전적이지만, 매끄러움이 허용되는 시간적 임베딩 (smoothness-admissible temporal embedding)과 전체 윈도우 분석 (full-window analysis)은 새로운 방식입니다. 이 하한은 차원에 무관한 외삽 하한 (dimension-free extrapolation floor)인 $\varepsilon h^{k+1}$ 차수(정확한 과거가 있더라도 관측되지 않은 미래에 발생하는 불가피한 비용)와 공간 추정의 저주 (spatial estimation curse)인 $M^{-\gamma_d}$ 사이를 보간하며, $k\to\infty$일 때 정적 분포 추정 속도 (static distribution-estimation rate)를 회복합니다. 우리는 임의의 관측 시간에 대해 유효한, 설계 의존적 형태(설계 가중 유효 샘플 크기를 포함하는)로 하한을 기술하며, 밀집된 (등간격) 영역에서의 폐쇄형 지수 (closed-form exponent)를 얻습니다. 일치하는 상한 (matching upper bound)은 $k=0$일 때 (속도 $M^{-1/(d+1)}$, $d\ge3$)와 평행 이동 하위 모델 (translation submodel)의 모든 $k$에 대해 확립되었습니다. $k\ge1$의 경우, 공변 추정량 (covariant estimator)은 두 가지 추정치(비교 기하학적 편향 경계 및 최적 수송 맵 추정 속도)를 조건으로 해당 속도를 달성하지만, 조건 없는 일반적인 $k$에 대한 상한은 미해결 문제로 남아 있습니다. 합성된 곡선 및 평면 가족에 대한 수치 실험은 예측된 지수들을 뒷받침합니다.