連続時間因果最適輸送の解析的アプローチ — マスター方程式と確率制御の三等価

§01 最適輸送理論の基礎と因果性制約の意味

最適輸送理論の起源は 1781 年の Gaspard Monge による問いにさかのぼります。「ある場所の土砂を別の場所へ運ぶ際、コストが最小となる輸送計画はどのようなものか」というシンプルな問いが、現代数学の中心的な理論体系へと発展しました。20 世紀中頃に Leonid Kantorovich が確率論的緩和定式化（線形計画法）を与え、二つの確率分布 $\mu$（source）と $\nu$（target）の間の最適輸送問題が数学的に体系化されました。コスト関数 $c(x,y) = |x - y|^2$ を用いたときの最適輸送コストの平方根が 2-Wasserstein 距離 $W_2(\mu, \nu)$ として知られ、確率分布の幾何学・機械学習・偏微分方程式論に広く応用されています。

しかし、確率過程（連続時間の確率的な軌道）の間の輸送を考えるとき、静的な分布間の結合理論だけでは不十分な場面があります。source 過程 $X = (X_t)_{t \in [0,T]}$ と target 過程 $Y = (Y_t)_{t \in [0,T]}$ を結合するとき、「将来の情報を使わない」という因果性（causality）の制約が本質的に重要になります。

具体的に言えば、適合型結合（causal coupling）とは、「過去 $(Y_s)_{s \le t}$ が与えられたもとで、$X_t$ の条件分布が $(X_s)_{s \le t}$ の情報のみに依存する」という制約を満たす結合です。この条件は、金融数学におけるヘッジング（未来の価格を参照しない戦略の設計）、確率制御におけるフィードバック制御（現在の状態に基づく意思決定）、ロバスト統計における分布不確実性の記述など、多くの応用の中核にあります。

連続時間での因果 OT は、離散時間設定と比較して本質的に異なる困難をはらんでいます。離散時間では結合の因果性は条件付き分布の整合性条件として書けますが、連続時間・拡散という設定では、フィルトレーション（情報の流れ）の正確な数学的取り扱いが必要です。これはイトー解析・確率制御理論・非線形フィルタリング理論という複数の数学的伝統が交差する地点に位置します。

本論文はこの困難に対して解析的な手法を提供します。具体的には、source 過程を直接扱う代わりに、条件分布過程への還元という巧みな手続きを通じて、問題を有限次元の偏微分方程式と確率制御問題に帰着させます。この還元が可能なのは source が有限状態マルコフ連鎖であるという特殊性に由来しており、一般の確率過程 source に対しては無限次元問題になります。生物学的ハードウェアでは直接扱いにくい連続時間の適合性条件を、有限次元の単体上の制御問題として明示的に捉えた点が本論文の出発点です。

§02 問題の定式化 — 有限状態マルコフ連鎖と拡散過程の間の因果輸送

本論文が扱う具体的な設定を整理します。source 過程 $X = (X_t)_{t \in [0,T]}$ は有限状態空間 $S = \{1, \ldots, n\}$ 上の連続時間マルコフ連鎖（CTMC）です。generator（推移強度行列）$Q = (q_{ij})_{i,j \in S}$ が与えられ、$q_{ij} \ge 0$（$i \ne j$）かつ行和がゼロ $\sum_j q_{ij} = 0$ を満たします。各状態間の遷移は指数分布に従う待機時間で制御され、経路は右連続左極限の区分定数関数として表されます。

target 過程 $Y = (Y_t)_{t \in [0,T]}$ は $\mathbb{R}^d$ 上の拡散過程で、確率微分方程式 $dY_t = b(X_t, Y_t) \, dt + \sigma(Y_t) \, dW_t$（$W$ は標準ブラウン運動）に従います。コスト関数はマルコフ型：$c: S \times \mathbb{R}^d \to \mathbb{R}$ で現在の状態のみに依存します。

著者らが用いる核心的な手続きは「source $X$ の代わりに、target $Y$ の観測を条件付けた場合の $X_t$ の条件分布 $\Pi_t$ を考える」というものです。$\mathcal{F}^Y_t = \sigma(Y_s : s \le t)$ を target の自然フィルトレーションとするとき、条件分布は $\Pi_t(i) = P(X_t = i \mid \mathcal{F}^Y_t)$ で定義されます。

この $\Pi_t$ は $n$ 次元確率単体 $\Delta_{n-1} = \{\pi \in \mathbb{R}^n_{\ge 0} : \sum_{i=1}^n \pi_i = 1\}$ 上を動くランダムプロセスです。確率単体は $(n-1)$ 次元のコンパクト多様体であり、その境界は $\pi_i = 0$ となる面からなります。$\Pi_t$ の境界付近の振る舞いは、$X_t$ が特定の状態に確定的に存在するケースに対応し、フィルタリング方程式の解の正則性にとって本質的な意味を持ちます。

$\Pi_t$ の時間発展は、非線形フィルタリング理論の古典的な結果であるクシュナー-ストラトノビッチ（Kushner-Stratonovich）フィルタリング方程式で記述されます。この方程式は Stratonovich 型の確率微分方程式として書かれ、新たな観測 $dY_t$ を「イノベーション」として受け取りながら $\Pi_t$ を更新します。KS 方程式は確率単体の内部を保存する（$\Pi_t$ が常に確率分布として留まる）という特性を持ち、Bayes 更新の連続時間版として解釈できます。

この置き換えにより、因果最適輸送問題は確率単体 $\Delta_{n-1}$ 上の確率制御問題として再解釈できます。source の有限状態性が $\Delta_{n-1}$ を有限次元（$(n-1)$ 次元）に保ち、偏微分方程式理論の適用を可能にします。これが source を一般の確率過程とした場合（無限次元の関数空間上の制御問題となる）との決定的な違いです。

graph TD
  A["source X: 有限状態 CTMC\n状態空間 1...n"] --> B["target Y の観測条件付け"]
  C["target Y: R^d 上の拡散過程"] --> B
  B --> D["条件分布過程 Π_t in Δ_{n-1}\nKushner-Stratonovich 方程式"]

§03 主定理: マスター方程式による価値関数の特徴付け

著者らの第一の主定理を解説します。因果輸送問題の価値関数を $V(t, \pi)$（時刻 $t$ において source の条件分布が $\pi \in \Delta_{n-1}$ であるときの最適な残余輸送コスト）と定義するとき、$V$ は拡張状態空間 $[0,T] \times \Delta_{n-1}$ 上の完全非線形放物型偏微分方程式（マスター方程式）を満たします。

「完全非線形（fully nonlinear）」とは、方程式がヘッセ行列 $\nabla^2_\pi V$（$V$ の $\pi$ に関する二次微分）に非線形に依存することを意味します。Hamilton-Jacobi-Bellman 型の方程式 $-\partial_t V + H(t, \pi, \nabla_\pi V, \nabla^2_\pi V) = 0$（$H$ はハミルトニアン）において、$H$ が $\nabla^2_\pi V$ に線形でない場合が完全非線形に相当します。古典的な $C^2$ 解が存在しない場合でも有効な粘性解（viscosity solution）理論が、この種の方程式の主要な分析ツールです。

「マスター方程式」という語は平均場ゲーム（Mean Field Games）理論で広く用いられます。MFG のマスター方程式では、プレイヤーの信念（分布）が状態空間となり、通常の有限次元 PDE では書けない無限次元の方程式になります。本論文では、source の有限状態性が $\Delta_{n-1}$ を有限次元に保つおかげで、マスター方程式が通常の（有限次元）完全非線形放物型 PDE として定式化されます。この有限次元化こそが本論文の枠組みの核心です。

方程式の境界条件は、確率単体 $\Delta_{n-1}$ の境界（$\pi_i = 0$ となる面）に由来します。確率単体の境界は幾何学的に非自明であり（各面が再び単体になる入れ子構造）、境界条件の正確な設定と比較定理（一意性）の証明には繊細な議論が必要です。著者らは KS 方程式の解が単体の境界でどのように振る舞うかを精密に解析し、適切な粘性解の定義と比較定理を確立しています。

価値関数 $V$ のマスター方程式による特徴付けは、連続時間因果 OT という難問を、偏微分方程式論の豊富な道具立てで扱える問題へと変換します。PDE の正則性理論・漸近解析・数値解法のすべてが原理上適用可能になります。私の観察では、連続時間因果 OT の価値を有限次元の完全非線形 PDE に帰着させた研究は、この論文が最初の体系的な試みとして位置付けられます。この意味で、本論文はこの問題クラスに対する解析的枠組みを初めて提供しています。

また、マスター方程式の終端条件は時刻 $T$ における条件分布 $\pi$ に対応するコストとして自然に設定されます。初期値問題を時間を遡る後退時間の放物型 PDE として定式化することで、標準的な PDE 理論の適用が可能になります。これは確率制御理論の HJB 方程式と同様の後退的構造であり、方程式の構造自体が「最適性の原理」の数学的体現と見なせます。

§04 二つの等価な確率制御定式化と数値近似スキーム

価値関数のマスター方程式による特徴付けに加え、著者らは二つの等価な確率制御定式化を確立しています。これが本論文の「三等価」の核心です。それぞれの定式化が独自の数値計算アルゴリズムを生み出すという実用的な価値も持ちます。

第一の定式化は Kushner-Stratonovich フィルタリング方程式の制御（zero-mean 条件付き）です。確率単体 $\Delta_{n-1}$ 上で動く過程 $\Pi = (\Pi_t)_{t \in [0,T]}$ に制御 $u_t$ を加えた KS フィルタリング方程式を考えます。この制御問題では、制御 $u$ に「zero-mean 条件」という制約が課されます。zero-mean 条件は因果性制約の数学的等価物であり、source の条件分布の「平均的な偏り」を抑制することで、将来の情報を先読みする結合を排除します。この第一の確率制御問題の価値が、因果 OT の価値と一致することが示されます。

第二の定式化は状態制約付き確率制御問題です。同じく $\Delta_{n-1}$ 上の SDE として記述される制御問題ですが、こちらでは過程 $\Pi_t^v$ が常に確率単体の特定の部分集合（制約集合）に留まるという「状態制約（state constraint）」のもとでの最適制御として定式化されます。状態制約付き制御問題は一般に難しく、Neumann 型境界条件を通じた PDE 定式化が必要です。著者らはこの第二の定式化もまた因果 OT の価値と一致することを示し、三等価の体系を完成させています。

この三等価（マスター方程式 $\leftrightarrow$ KS 制御 $\leftrightarrow$ 状態制約制御）は単なる形式的な書き換えではなく、それぞれの定式化が独自の数値計算スキームを導出するという実装上の意義を持ちます。

著者らが指摘する重要な副産物が、数値計算の面での補完性です。第一の定式化（KS 制御）は価値を上から近似するスキーム（上限値の単調列）を与え、第二の定式化（状態制約制御）は価値を下から近似するスキーム（下限値の単調列）を与えます。上と下からのサンドイッチにより、数値計算の誤差を定量的に評価できます。

連続時間因果 OT は金融派生商品のロバストヘッジング、分布ロバスト最適化、確率シナリオ生成など実際的な問題への応用が想定されます。理論的な定式化から実装可能な数値スキームが直接得られることで、純粋数学の成果が計算科学への橋渡しを果たします。

この三等価の構造は、確率制御・非線形フィルタリング・偏微分方程式という三つの数学的伝統が一点に収束する様を示しており、独立に発展してきた各分野の道具立てが相互に翻訳可能であることを明示しています。それぞれの定式化から得られる数値スキームが上下からのサンドイッチを構成するという事実は、単なる理論的等価性を超えて、計算可能性の意味での証拠となっています。

graph TD
  A["連続時間因果 OT\n価値 V(t,π)"] --> B["完全非線形放物型\nマスター方程式"]
  A --> C["KS フィルタリング制御\nzero-mean 条件付き"]
  A --> D["状態制約付き\n確率制御問題"]
  C --> E["数値スキーム 上界"]
  D --> F["数値スキーム 下界"]