Un cadre opérateur de projection qui décompose exactement l'évolution dynamique complète en équations pour un ensemble choisi de variables résolues plus des noyaux de mémoire et des forces fluctuantes (orthogonales) représentant les échelles non résolues, conduisant à des réductions de type équation de Langevin généralisée.

Principe

La règle organisatrice est que tout système dynamique peut être partitionné par un opérateur de projection en composantes résolues et non résolues ; la partie non résolue apporte une mémoire non locale en temps et un bruit de type stochastique qui doivent être pris en compte pour obtenir une dynamique réduite exacte.

Démonstration

Application pour dériver une équation de Langevin généralisée pour une particule marquée dans un fluide : la projection sur la vitesse de la particule donne un noyau de mémoire exprimé par l'autocorrélation de la dynamique orthogonale et une force fluctuante dont les statistiques sont contraintes par les relations fluctuation–dissipation à l'équilibre.

Mauvaise application

Tronquer arbitrairement le noyau de mémoire, remplacer une mémoire corrélée par un bruit blanc non corrélé sans séparation des échelles temporelles, ou choisir une base de projection inadaptée conduit à des modèles réduits trompeurs et à la perte de dynamiques lentes importantes.

Conséquence

Une application correcte produit des modèles réduits systématiques incluant friction non markovienne et bruit corrélé, améliorant la fidélité par rapport aux fermetures markoviennes naïves lorsque les échelles non résolues induisent des effets de mémoire significatifs.

Inversion

Une troncature galerkine purement markovienne ou une fermeture ad hoc qui supprime la mémoire et les forces orthogonales contraste avec Mori–Zwanzig en imposant une dépendance instantanée seulement et en sous-estimant typiquement les corrélations à long terme.

Limite

Formellement exact pour tout choix de projection, mais l'utilisation pratique exige des noyaux de mémoire calculables ou des approximations contrôlées ; il est le plus utile lorsque les espaces de projection sont de faible dimension et que les fonctions de corrélation de la dynamique orthogonale peuvent être estimées, et moins utile quand l'estimation de la mémoire est infaisable.

Tension sémantique

Tension entre l'exactitude formelle de la décomposition par projection et le besoin empirique d'approximer les noyaux (Mori–Zwanzig vs modèles markoviens pilotés par données) ; tension aussi entre l'élimination déterministe et l'émergence de dynamiques effectives stochastiques.

Synthèse

Le formalisme de Mori–Zwanzig fournit une décomposition opérateur exacte qui produit des équations réduites généralement non markoviennes avec noyaux de mémoire et forces fluctuantes orthogonales ; la réduction pratique des modèles équilibre cette exactitude avec la nécessité d'approximations tractables de la mémoire et du bruit.