Diese Dissertation widmet sich der Untersuchung singulärer stochastischer partieller Differentialgleichungen (engl. SPDEs). Wir entwickeln Erweiterungen der bisherigen Lösungstheorien, zeigen fundamentale Beziehungen zwischen verschiedenen Ansätzen und präsentieren Anwendungen in der Finanzmathematik und der mathematischen Physik. Die Theorie parakontrollierter Systeme wird für diskrete Räume formuliert und eine schwache Universalität für das parabolische Anderson Modell bewiesen. Eine fundamentale Relation zwischen Hairer's modellierten Distributionen und Paraprodukten wird bewiesen: Wir zeigen das sich der Raum modellierter Distributionen durch Paraprodukte beschreiben lässt. Dieses Resultat verallgemeinert die Fourierbeschreibung von Hölderräumen mittels Littlewood-Paley Theorie. Schließlich wird die Existenz von Lösungen der stochastischen Schrödingergleichung auf dem ganzen Raum bewiesen und eine Anwendung Hairer's Theorie zur Preisermittlung von Optionen aufgezeigt. / This thesis is concerned with the study of singular stochastic partial differential equations (SPDEs). We develop extensions to existing solution theories, present fundamental interconnections between different approaches and give applications in financial mathematics and mathematical physics. The theory of paracontrolled distribution is formulated for discrete systems, which allows us to prove a weak universality result for the parabolic Anderson model. This thesis further shows a fundamental relation between Hairer's modelled distributions and paraproducts: The space of modelled distributions can be characterized completely by using paraproducts. This can be seen a generalization of the Fourier description of Hölder spaces. Finally, we prove the existence of solutions to the stochastic Schrödinger equation on the full space and provide an application of Hairer's theory to option pricing.

Diese Arbeit ist ein erster Versuch, mit Modellbildung und mathematischer Analyse die Experimente zu verstehen, die zeigten, dass die Stimulation eines einzelnen Neurons im Cortex eine Verhaltensreaktion auslösen kann. Dieser Befund stellt die verbreitete Ansicht infrage, dass viele Neurone nötig sind, um Information zuverlässig kodieren zu können. Der Ausgangspunkt der vorliegenden Untersuchung ist die Stimulation einer zufällig ausgewählten Zelle in einem Zufallsnetzwerk exzitatorischer und inhibitorischer Neuronmodelle. Es wird dann nach einem plausiblen Ausleseverfahren gesucht, das die Einzelzellstimulation mit einer mit den Experimenten vergleichbaren Zuverlässigkeit detektieren kann. Das erste Ausleseschema reagiert auf Abweichungen vom spontanen Zustand in der Aktivität einer Auslesepopulation. Die Stimulation wird detektiert, wenn bei der Auswahl der Auslesepopulation denjenigen Neuronen ein Vorzug gegeben wird, die eine direkte Verbindung von der stimulierten Zelle bekommen. Im zweiten Teil der Arbeit wird das Ausleseschema erweitert, indem ein zweites Netzwerk als Ausleseschaltkreis dient. Interessanterweise erweist sich dieses Ausleseschema nicht nur als plausibler, sondern auch als effektiver. Diese Resultate basieren sowohl auf Simulationen als auch auf analytischen Rechnungen. Weitere Experimente zeigten, dass eine konstante Strominjektion einen Effekt auslöst, der kaum von Dauer und Intensität der Stimulation abhängt, der aber bei unregelmäßiger Stimulation zunimmt. Der letzte Teil der Arbeit befasst sich mit einer theoretischen Erklärung für diese Ergebnisse. Hierzu werden die biologischen Eigenschaften des Systems im Modell detaillierter beschrieben. Weiterhin wird die Funktionsweise des Ausleseschemas so modifiziert, dass es auf Veränderungen reagiert, anstatt den Input zu integrieren. Dieser Differenzierdetektor liefert Ergebnisse, die mit den Experimenten übereinstimmen, und könnte bei nichtstationärem Input vorteilhaft sein. / This thesis is a first attempt at developing a theoretical model of the experiments which show that the stimulation of a single cell in the cortex can trigger a behavioral reaction and that challenge the common belief that many neurons are needed to reliably encode information. As a starting point of the present work, one neuron selected at random within a random network of excitatory and inhibitory integrate-and-fire neurons is stimulated. One important goal of this thesis is to seek a readout scheme that can detect the single-cell stimulation in a plausible way with a reliability compatible with the experiments. The first readout scheme reacts to deviations from the spontaneous state in the activity of a readout population. When the choice of readout neurons is sufficiently biased towards those receiving direct links from the stimulated cell, the stimulation can be detected. In the second part of the thesis, the readout scheme is extended by employing a second network as a readout circuit. Interestingly, this new readout scheme is not only more plausible, but also more effective. These results are based both on numerical simulations of the network and on analytical approximations. Further experiments showed that the probability of the behavioral reaction is substantially independent of the length and intensity of the stimulation, but it increases when an irregular current is used. The last part of this thesis seeks a theoretical explanation for these findings. To this end, a recurrent network including more biological details of the system is considered. Furthermore, the functioning principle of the readout is modified to react to changes in the activity of the local network (a differentiator readout), instead of integrating the input. This differentiator readout yields results in accordance with the experiments and could be advantageous in the presence of nonstationarities.

In dieser Arbeit werden mithilfe der Fokker-Planck-Gleichung die Statistiken, vor allem die Leistungsspektren, von Punktprozessen berechnet, die von mehrdimensionalen Integratorneuronen [Engl. integrate-and-fire (IF) neuron], Netzwerken von IF Neuronen und Entscheidungsfindungsmodellen erzeugt werden. Im Gehirn werden Informationen durch Pulszüge von Aktionspotentialen kodiert. IF Neurone mit radikal vereinfachter Erzeugung von Aktionspotentialen haben sich in Studien die auf Pulszeiten fokussiert sind als Standardmodelle etabliert. Eindimensionale IF Modelle können jedoch beobachtetes Pulsverhalten oft nicht beschreiben und müssen dazu erweitert werden. Im erste Teil dieser Arbeit wird eine Theorie zur Berechnung der Pulszugleistungsspektren von stochastischen, multidimensionalen IF Neuronen entwickelt. Ausgehend von der zugehörigen Fokker-Planck-Gleichung werden partiellen Differentialgleichung abgeleitet, deren Lösung sowohl die stationäre Wahrscheinlichkeitsverteilung und Feuerrate, als auch das Pulszugleistungsspektrum beschreibt. Im zweiten Teil wird eine Theorie für große, spärlich verbundene und homogene Netzwerke aus IF Neuronen entwickelt, in der berücksichtigt wird, dass die zeitlichen Korrelationen von Pulszügen selbstkonsistent sind. Neuronale Eingangströme werden durch farbiges Gaußsches Rauschen modelliert, das von einem mehrdimensionalen Ornstein-Uhlenbeck Prozess (OUP) erzeugt wird. Die Koeffizienten des OUP sind vorerst unbekannt und sind als Lösung der Theorie definiert. Um heterogene Netzwerke zu untersuchen, wird eine iterative Methode erweitert. Im dritten Teil wird die Fokker-Planck-Gleichung auf Binärentscheidungen von Diffusionsentscheidungsmodellen [Engl. diffusion-decision models (DDM)] angewendet. Explizite Gleichungen für die Entscheidungszugstatistiken werden für den einfachsten und analytisch lösbaren Fall von der Fokker-Planck-Gleichung hergeleitet. Für nichtliniear Modelle wird die Schwellwertintegrationsmethode erweitert. / This thesis is concerned with the calculation of statistics, in particular the power spectra, of point processes generated by stochastic multidimensional integrate-and-fire (IF) neurons, networks of IF neurons and decision-making models from the corresponding Fokker-Planck equations. In the brain, information is encoded by sequences of action potentials. In studies that focus on spike timing, IF neurons that drastically simplify the spike generation have become the standard model. One-dimensional IF neurons do not suffice to accurately model neural dynamics, however, the extension towards multiple dimensions yields realistic behavior at the price of growing complexity. The first part of this work develops a theory of spike-train power spectra for stochastic, multidimensional IF neurons. From the Fokker-Planck equation, a set of partial differential equations is derived that describes the stationary probability density, the firing rate and the spike-train power spectrum. In the second part of this work, a mean-field theory of large and sparsely connected homogeneous networks of spiking neurons is developed that takes into account the self-consistent temporal correlations of spike trains. Neural input is approximated by colored Gaussian noise generated by a multidimensional Ornstein-Uhlenbeck process of which the coefficients are initially unknown but determined by the self-consistency condition and define the solution of the theory. To explore heterogeneous networks, an iterative scheme is extended to determine the distribution of spectra. In the third part, the Fokker-Planck equation is applied to calculate the statistics of sequences of binary decisions from diffusion-decision models (DDM). For the analytically tractable DDM, the statistics are calculated from the corresponding Fokker-Planck equation. To determine the statistics for nonlinear models, the threshold-integration method is generalized.

Gegenstand dieser Dissertation ist die non-parametrische Schätzung der Kovarianz in multi-dimensionalen Lévy-Prozessen auf der Basis von Hochfrequenzbeobachtungen. Im ersten Teil der Arbeit wird eine modifizierte Version der von Jacod und Reiß vorgeschlagenen Methode der Hochfrequenzbeobachtung für die Ermittlung der Kovarianz multi-dimensionaler Lévy-Prozesse gegeben. Es wird gezeigt, dass der Kovarianzschätzer optimal im Minimaxsinn ist. Darüber hinaus demonstrieren wir, dass die Indexaktivität der co-jumps durch das harmonische Mittel der Sprungaktivitätsinzidenzen der Komponenten von unten beschränkt wird. Der zweite Teil behandelt das Problem der adaptiven Schätzung. Ausgehend von einer Familie asymptotischer Minimax-Schätzer der Kovarianz, erhalten wir einen datenbasierten Schätzer. Wir wenden Lepskii’s Methode an, um die Kovarianz an die unbekannte Aktivität des co-jumps Indexes des Sprungteils anzupassen. Da wir es mit einem Adaptierungsproblem zu tun haben, müssen wir eine Schätzung der charakteristischen Funktion des multi-dimensionalen Lévy-Prozesses konstruieren, damit die charakteristische Funktion weder von einer semiparametrischen Annahme abhängt noch schnell abfällt. Aus diesem Grund wird auf Basis von Neumanns Methode ein trunkierter Schätzer für die empirische charakteristische Funktion konstruiert. Die Anwesenheit der trunkierten, empirischen charakteristischen Funktion im Zähler führt jedoch zu einer Situation, die auch bei der Deconvolution auftritt, d.h. einem irregulären Verhalten des stochastischen Fehlers. Dieser U-förmige stochastische Fehler verhindert die Anwendung von Lepskii’s Grundsatz. Um diesem Problem, entgegenzuwirken, entwickeln wir eine Strategie, welche zu einem Orakelstart von Lepskii's Methode führt, mit deren Hilfe ein monoton steigender stochastischer Fehler konstruiert wird. Dies erlaubt uns, ein Balancing Principle einzuführen und einen adaptiven Schätzer für die Kovarianz zu erhalten, der fast-optimale Raten erzeugt. / In this thesis, we consider the problem of nonparametric estimation for the continuous part of the covariation of a multi-dimensional Lévy process from high-frequency observations. This continuous part of covariation is also called covariance. The first part modifies the high-frequency estimation method, proposed by Jacod and Reiss, to cover estimation of the covariance of multi-dimensional Lévy processes. The covariance estimator is shown to be optimal in the minimax-sense. Moreover, the co-jump index activity is proved to be bounded from below by the harmonic mean of the jump activity indices of the components. In the second part, we address the problem of the adaptive estimation. Starting from an asymptotically minimax family of estimators for the covariance, we derive a data-driven estimator. Lepskii's method is applied to adapt the covariance to the unknown co-jump index activity of the jump part. Faced with an adaptation problem, we need to secure an estimation for the characteristic function of the multi-dimensional Lévy process so that it does not depend on a semiparametric assumption and, at the same time, does not decay fast. For this reason, a truncated estimator for the empirical characteristic function is constructed based on Neumann's method. The presence of the truncated empirical characteristic function in the denominator leads to a situation similar to the deconvolution problem, i.e., an irregular behavior of the stochastic error. This U-shaped stochastic error does not permit us to apply Lepskii's principle. To counteract this problem, we establish a strategy to obtain an oracle start of Lepskii's method, according to which a monotonically increasing stochastic error is constructed. This enables us to apply a balancing principle and build an adaptive estimator for the covariance which obtains near-optimal rates.

Transportphänomene treten in biologischen und künstlichen Systemen auf allen Längenskalen auf. In dieser Arbeit untersuchen wir sie für verschiedene Systeme aus einer mesoskopischen Perspektive, in der Fluktuationen physikalischer Größen um ihre Mittelwerte eine wichtige Rolle spielen. Im ersten Teil untersuchen wir die persistente Bewegung aktiver Brownscher Teilchen mit zusätzlichem Drehmoment, wie sie z.B. für Spermien oder Janus Teilchen auftritt. Wird ihre Bewegung auf einen Tunnel variierender Breite beschränkt, so setzt im thermischen Nichtgleichgewicht Transport ein; ungerichtete Fluktuationen des rauschhaften Antriebs werden gleichgerichtet. Hierdurch wird ein neuer Ratschentyp realisiert. Im zweiten Teil untersuchen wir den intrazellulären Cargotransport in den Axonen von Nervenzellen mithilfe molekularer Motoren. Sie werden als asymmetrischer Ausschlussprozess simuliert. Zusätzlich können die Cargos zwischen benachbarten Motoren ausgetauscht werden. Dadurch lassen sich charakteristische Eigenschaften des langsamen axonalen Transports mit einer einzigen Motorspezies reproduzieren. Bewerkstelligt wird dies durch die transiente Anbindung der Cargos an rückwärtslaufende Motorstaus. Im dritten Teil diskutieren wir resistive switching, die nicht volatile Widerstandsänderung eines Dielektrikums durch elektrische Impulse. Es wird für Anwendungen im Computerspeicher ausgenutzt, dem resistive RAM. Wir schlagen ein auf Sauerstoffvakanzen basierendes stochastisches Gitterhüpfmodell vor. Wir definieren binäre logische Zustände mit Hilfe der zugrunde liegenden Vakanzenverteilung und definieren Schreibe- und Leseoperationen durch Spannungsimpulse für ein solches Speicherelement. Überlegungen über die Unterscheidbarkeit dieser Operationen unter Fluktuationen zusammen mit der Deutlichkeit der unterschiedlichen Widerstandszustände selbst ermöglichen es uns, eine optimale Vakanzenzahl vorherzusagen. / Transport phenomena occur in biological and artificial systems at all length scales. In this thesis, we investigate them for various systems from a mesoscopic perspective, in which fluctuations around their average properties play an important role. In the first part, we investigate the persistent diffusive motion of active Brownian particles with an additional torque. It can appear in many real life systems, for example in sperm cells or Janus particles. If their motion is confined to a tunnel of varying width, transport arises out of thermal equilibrium; unbiased fluctuations of the noisy drive are rectified. This way, we have realized a novel kind of ratchet. In the second part, we study intracellular cargo transport in the axons of nerve cells by molecular motors. They are modeled by an asymmetric exclusion process. In a new approach, we add a cargo exchange interaction between the motors. This way, the characteristics of slow axonal transport can be accounted for with a single motor species. It is explained by the transient attachment of cargos to reverse walking motors jams. In the third part, we discuss resistive switching, the non-volatile change of resistance in a dielectric due to electric pulses. It is exploited for applications in computer memory, the resistive random access memory (ReRAM). We propose a stochastic lattice hopping model based on the on oxygen vacancies. We define binary logical states by means of the underlying vacancy distributions, and establish a framework of writing and reading such a memory element with voltage pulses. Considerations about the discriminability of these operations under fluctuations together with the markedness of the resistive switching effect itself enable us to predict an optimal vacancy number.

Das Ziel dieser Arbeit ist die Entwicklung eines effizienten parametrischen Schätzverfahrens für den Drift einer durch einen Lévy-Prozess getriebenen Sprungdiffusion. Zunächst werden zeit-stetige Beobachtungen angenommen und auf dieser Basis eine Likelihoodtheorie entwickelt. Dieser Schritt umfasst die Frage nach lokaler Äquivalenz der zu verschiedenen Parametern auf dem Pfadraum induzierten Maße. Wir diskutieren in dieser Arbeit Schätzer für Prozesse vom Ornstein-Uhlenbeck-Typ, Cox-Ingersoll-Ross Prozesse und Lösungen linearer stochastischer Differentialgleichungen mit Gedächtnis im Detail und zeigen starke Konsistenz, asymptotische Normalität und Effizienz im Sinne von Hájek und Le Cam für den Likelihood-Schätzer. In Sprungdiffusionsmodellen ist die Likelihood-Funktion eine Funktion des stetigen Martingalanteils des beobachteten Prozesses, der im Allgemeinen nicht direkt beobachtet werden kann. Wenn nun nur Beobachtungen an endlich vielen Zeitpunkten gegeben sind, so lässt sich der stetige Anteil der Sprungdiffusion nur approximativ bestimmen. Diese Approximation des stetigen Anteils ist ein zentrales Thema dieser Arbeit und es wird uns auf das Filtern von Sprüngen führen. Der zweite Teil dieser Arbeit untersucht die Schätzung der Drifts, wenn nur diskrete Beobachtungen gegeben sind. Dabei benutzen wir die Likelihood-Schätzer aus dem ersten Teil und approximieren den stetigen Martingalanteil durch einen sogenannten Sprungfilter. Wir untersuchen zuerst den Fall endlicher Aktivität und zeigen, dass die Driftschätzer im Hochfrequenzlimes die effiziente asymptotische Verteilung erreichen. Darauf aufbauend beweisen wir dann im Falle unendlicher Sprungaktivität asymptotische Effizienz für den Driftschätzer im Ornstein-Uhlenbeck Modell. Im letzten Teil werden die theoretischen Ergebnisse für die Schätzer auf endlichen Stichproben aus simulierten Daten geprüft und es zeigt sich, dass das Sprungfiltern zu einem deutlichen Effizienzgewinn führen. / The problem of parametric drift estimation for a a Lévy-driven jump diffusion process is considered in two different settings: time-continuous and high-frequency observations. The goal is to develop explicit maximum likelihood estimators for both observation schemes that are efficient in the Hájek-Le Cam sense. The likelihood function based on time-continuous observations can be derived explicitly for jump diffusion models and leads to explicit maximum likelihood estimators for several popular model classes. We consider Ornstein-Uhlenbeck type, square-root and linear stochastic delay differential equations driven by Lévy processes in detail and prove strong consistency, asymptotic normality and efficiency of the likelihood estimators in these models. The appearance of the continuous martingale part of the observed process under the dominating measure in the likelihood function leads to a jump filtering problem in this context, since the continuous part is usually not directly observable and can only be approximated and the high-frequency limit. In the second part of this thesis the problem of drift estimation for discretely observed processes is considered. The estimators are constructed from discretizations of the time-continuous maximum likelihood estimators from the first part, where the continuous martingale part is approximated via a thresholding technique. We are able to proof that even in the case of infinite activity jumps of the driving Lévy process the estimator is asymptotically normal and efficient under weak assumptions on the jump behavior. Finally, the finite sample behavior of the estimators is investigated on simulated data. We find that the maximum likelihood approach clearly outperforms the least squares estimator when jumps are present and that the efficiency gap between both techniques becomes even more severe with growing jump intensity.

Diese Arbeit beschäftigt sich mit der Theorie der sogenannten stochastischen Vorwärts-Rückwärts-Differentialgleichungen (FBSDE), welche als ein stochastisches Anologon und in gewisser Weise als eine Verallgemeinerung von parabolischen quasi-linearen partiellen Differentialgleichungen betrachtet werden können. Die Dissertation besteht aus zwei Teilen: In dem ersten entwicklen wir die Theorie der sogenannten Entkopplungsfelder für allgemeine mehrdimensionale stark gekoppelte FBSDE. Diese Theorie besteht aus Existenz- sowie Eindeutigkeitsresultaten basierend auf dem Konzept des maximalen Intervalls. Es beinhaltet darüberhinaus Werkzeuge um Regularität von konkreten Problemen zu untersuchen. Insgesamt wird die Theorie für drei Klassen von Problemen entwickelt: In dem ersten Fall werden Lipschitz-Bedingungen an die Parameter des Problems vorausgesetzt, welche zugleich vom Zufall abhängen dürfen. Die Untersuchung der beiden anderen Klassen basiert auf dem ersten. In diesen werden die Parameter als deterministisch vorausgesetzt. Gleichwohl wird die Lipschitz-Stetigkeit durch zwei verschiedene Formen der lokalen Lipschitz-Stetigkeit abgeschwächt. In dem zweiten Teil werden diese abstrakten Resultate auf drei konkrete Probleme angewendet: In der ersten Anwendung wird gezeigt wie globale Lösbarkeit von FBSDE in dem sogenannten nicht-degenerierten Fall untersucht werden kann. In der zweiten Anwendung wird die Lösbarkeit eines gekoppelten Systems gezeigt, welches eine Lösung zu dem Skorokhod''schen Einbettungproblem liefert. Die Lösung wird für den Fall einer allgemeinen nicht-linearen Drift konstruiert. Die dritte Anwendung führt auf Lösbarkeit eines komplexen gekoppelten Vorwärt-Rückwärts-Systems, aus welchem optimale Strategien für das Problem der Nutzenmaximierung in unvollständingen Märkten konstruiert werden. Das System wird in einem verhältnismäßig allgmeinen Rahmen gelöst, d.h. für eine verhältnismäßig allgemeine Klasse von Nutzenfunktion auf den reellen Zahlen. / This thesis deals with the theory of so called forward-backward stochastic differential equations (FBSDE) which can be seen as a stochastic formulation and in some sense generalization of parabolic quasi-linear partial differential equations. The thesis consist of two parts: In the first we develop the theory of so called decoupling fields for general multidimensional fully coupled FBSDE in a Brownian setting. The theory consists of uniqueness and existence results for decoupling fields on the so called the maximal interval. It also provides tools to investigate well-posedness and regularity for particular problems. In total the theory is developed for three different classes of FBSDE: In the first Lipschitz continuity of the parameter functions is required, which at the same time are allowed to be random. The other two classes we investigate are based on the theory developed for the first one. In both of them all parameter functions have to be deterministic. However, two different types of local Lipschitz continuity replace the more restrictive Lipschitz continuity of the first class. In the second part we apply these techniques to three different problems: In the first application we demonstrate how well-posedness of FBSDE in the so called non-degenerate case can be investigated. As a second application we demonstrate the solvability of a system, which provides a solution to the so called Skorokhod embedding problem (SEP) via FBSDE. The solution to the SEP is provided for the case of general non-linear drift. The third application provides solutions to a complex FBSDE from which optimal trading strategies for a problem of utility maximization in incomplete markets are constructed. The FBSDE is solved in a relatively general setting, i.e. for a relatively general class of utility functions on the real line.

Diese Arbeit beschäftigt sich mit Coarse-Graining (dt. ``Vergröberung", ``Zusammenfassung von Zuständen") für Gradientensysteme und Markov-Prozesse. Coarse-Graining ist ein etabliertes Verfahren in der Mathematik und in den Naturwissenschaften und hat das Ziel, die Komplexität eines physikalischen Systems zu reduzieren und effektive Modelle herzuleiten. Die mathematischen Probleme in dieser Arbeit stammen aus der Theorie der Systeme interagierender Teilchen. Hierbei werden zwei Ziele verfolgt: Erstens, Coarse-Graining mathematisch rigoros zu beweisen, zweitens, mathematisch äquivalente Beschreibungen für die effektiven Modelle zu formulieren. Die ersten drei Teile der Arbeit befassen sich mit dem Grenzwert schneller Reaktionen für Reaktionssysteme und Reaktions-Diffusions-Systeme. Um effektive Modelle herzuleiten, werden nicht nur die zugehörigen Reaktionsratengleichungen betrachtet, sondern auch die zugrunde liegende Gradientenstruktur. Für Gradientensysteme wurde in den letzten Jahren eine strukturelle Konvergenz, die sogenannte ``EDP-Konvergenz", entwickelt. Dieses Coarse-Graining-Verfahren wird in der vorliegenden Arbeit auf folgende Systeme mit langsamen und schnellen Reaktionen angewandt: lineare Reaktionssysteme (bzw. Markov-Prozesse auf endlichem Zustandsraum), nichtlineare Reaktionssysteme, die das Massenwirkungsgesetz erfüllen, und lineare Reaktions-Diffusions-Systeme. Für den Grenzwert schneller Reaktionen wird eine mathematisch rigorose und strukturerhaltende Vergröberung auf dem Level des Gradientensystems inform von EDP-Konvergenz bewiesen. Im vierten Teil wird der Zusammenhang zwischen Gleichungen mit Gedächtnis und Markov-Prozessen untersucht. Für Gleichungen mit Gedächtnisintegralen wird explizit ein größer Markov-Prozess konstruiert, der die Gleichung mit Gedächtnis als Teilsystem enthält. Der letzte Teil beschäftigt sich mit verschieden Diskretisierungen für den Fokker-Planck-Operator. Dazu werden numerische und analytische Eigenschaften untersucht. / This thesis deals with coarse-graining for gradient systems and Markov processes. Coarse-graining is a well-established tool in mathematical and natural sciences for reducing the complexity of a physical system and for deriving effective models. The mathematical problems in this work originate from interacting particle systems. The aim is twofold: first, providing mathematically rigorous results for physical coarse-graining, and secondly, formulating mathematically equivalent descriptions for the effective models. The first three parts of the thesis deal with fast-reaction limits for reaction systems and reaction-diffusion systems. Instead of deriving effective models by solely investigating the associated reaction-rate equation, we derive effective models using the underlying gradient structure of the evolution equation. For gradient systems a structural convergence, the so-called ``EDP-convergence", has been derived in recent years. In this thesis, this coarse-graining procedure has been applied to the following systems with slow and fast reactions: linear reaction systems (or Markov process on finite state space), nonlinear reaction systems of mass-action type, and linear reaction-diffusion systems. For the fast-reaction limit, we perform rigorous and structural coarse-graining on the level of the gradient system by proving EDP-convergence. In the fourth part, the connection between memory equations and Markov processes is investigated. Considering linear memory equations, which can be motivated from spatial homogenization, we explicitly construct a larger Markov process that includes the memory equation as a subsystem. The last part deals with different discretization schemes for the Fokker–Planck operator and investigates their analytical and numerical properties.

Diese Dissertation befasst sich mit der Analyse von semi-expliziten Systemen aus stochastischen Differentialgleichungen (SDEs) gekoppelt mit stochastischen partiellen Differentialgleichungen (SPDEs) und algebraischen Gleichungen (AEs) mit möglicherweise stochastischen Anteilen in den Operatoren. Diese Systeme spielen eine entscheidende Rolle bei der Modellierung von realen Anwendungen, wie zum Beispiel elektrischen Schaltkreisen und Gasnetzwerken. Der Hauptbeitrag dieser Arbeit besteht darin, einen Rahmen bereitzustellen, in dem diese semiexpliziten Systeme auch bei stochastischen Einflüssen in den algebraischen Randbedingungen eine eindeutige Lösung haben. Wir führen einen numerischen Ansatz für solche Systeme ein und schlagen eine neue Möglichkeit vor, um Konvergenzergebnisse von driftimpliziten Methoden für SDEs auf stochastische Differential-Algebraische Gleichungen (SDAEs) zu erweitern. Dies ist wichtig, da viele Methoden für SDEs gut entwickelt sind, aber im Allgemeinen nicht für SDAEs in Betracht gezogen werden. Darüber hinaus untersuchen wir praktische Anwendungen in der Schaltkreis- und Gasnetzwerksimulation und diskutieren die dabei auftretenden Herausforderungen und Einschränkungen. Insbesondere stellen wir dabei auch einen Modellierungsansatz für Gasnetzwerke bestehend aus Rohren und algebraischen Komponenten vor. Abschließend testen wir in beiden Anwendungsfeldern die numerische Konvergenz anhand konkreter Beispiele mit verschiedenen Arten von stochastischer Modellierung. / This dissertation delves into the analysis of semi-explicit systems of stochastic differential equations (SDEs) coupled with stochastic partial differential equations (SPDEs) and algebraic equations (AEs) with possibly noise-driven operators. These systems play a crucial role in modeling real-world applications, such as electrical circuits and gas networks. The main contribution of this work is to provide a setting in which these semi-explicit systems have a unique solution even with stochastic influences in the algebraic constraints. We introduce a numerical approach for such systems and propose a new approach for extending convergence results of drift-implicit methods for SDEs to stochastic differential-algebraic equations (SDAEs). This is important, as many methods are well-developed for SDEs but generally not considered for SDAEs. Furthermore, we examine practical applications in circuit and gas network simulation, discussing the challenges and limitations encountered. In particular, we provide a modeling approach for gas networks consisting of pipes and algebraic components. To conclude, we test numerical convergence in both application settings on concrete examples with different types of stochastic modeling.

Diese Dissertation untersucht Aspekte des Zusammenspiels von ergodischem Langzeitver- halten und der Glättungseigenschaft dynamischer Systeme, die von stochastischen Differen- tialgleichungen (SDEs) mit Sprüngen erzeugt sind. Im Speziellen werden SDEs getrieben von Lévy-Prozessen und der Marcusschen kanonischen Gleichung untersucht. Ein vari- ationeller Ansatz für den Malliavin-Kalkül liefert eine partielle Integration, sodass eine Variation im Raum in eine Variation im Wahrscheinlichkeitsmaß überführt werden kann. Damit lässt sich die starke Feller-Eigenschaft und die Existenz glatter Dichten der zuge- hörigen Markov-Halbgruppe aus einer nichtstandard Elliptizitätsbedingung an eine Kom- bination aus Gaußscher und Sprung-Kovarianz ableiten. Resultate für Sprungdiffusionen auf Untermannigfaltigkeiten werden aus dem umgebenden Euklidischen Raum hergeleitet. Diese Resultate werden dann auf zufällige dynamische Systeme angewandt, die von lin- earen stochastischen Differentialgleichungen erzeugt sind. Ruelles Integrierbarkeitsbedin- gung entspricht einer Integrierbarkeitsbedingung an das Lévy-Maß und gewährleistet die Gültigkeit von Oseledets multiplikativem Ergodentheorem. Damit folgt die Existenz eines Lyapunov-Spektrums. Schließlich wird der top Lyapunov-Exponent über eine Formel der Art von Furstenberg–Khasminsikii als ein ergodisches Mittel der infinitesimalen Wachs- tumsrate über die Einheitssphäre dargestellt. / The present thesis investigates certain aspects of the interplay between the ergodic long time behavior and the smoothing property of dynamical systems generated by stochastic differential equations (SDEs) with jumps, in particular SDEs driven by Lévy processes and the Marcus’ canonical equation. A variational approach to the Malliavin calculus generates an integration-by-parts formula that allows to transfer spatial variation to variation in the probability measure. The strong Feller property of the associated Markov semigroup and the existence of smooth transition densities are deduced from a non-standard ellipticity condition on a combination of the Gaussian and a jump covariance. Similar results on submanifolds are inferred from the ambient Euclidean space. These results are then applied to random dynamical systems generated by linear stochas- tic differential equations. Ruelle’s integrability condition translates into an integrability condition for the Lévy measure and ensures the validity of the multiplicative ergodic theo- rem (MET) of Oseledets. Hence the exponential growth rate is governed by the Lyapunov spectrum. Finally the top Lyapunov exponent is represented by a formula of Furstenberg– Khasminskii–type as an ergodic average of the infinitesimal growth rate over the unit sphere.