[論文レビュー] Adaptive guaranteed lower eigenvalue bounds with optimal convergence rates

Carsten Carstensen, Sophie Puttkammer|arXiv (Cornell University)|Mar 2, 2022

Advanced Numerical Methods in Computational Mathematics被引用数 1

ひとこと要約

本稿は、3次元におけるラプラシアンおよびビラーモニック作用素のディリクレ固有値に対する保証付き下界を計算するための適応型有限要素法を提示する。非一致型クルーゼィエ＝ラヴィエルとモールィー有限要素法を用い、追加安定化を施したものを採用する。主な貢献は、一般化されたミディアス解析と新たな離散的信頼性推定式を用いて、適応型アルゴリズムの最適収束速度を厳密に証明したことである。これにより、与えられたメッシュの細分化戦略に対して、誤差推定子が最良の可能な速度で収束することが保証される。

ABSTRACT

Guaranteed lower Dirichlet eigenvalue bounds (GLB) can be computed for the $m$-th Laplace operator with a recently introduced extra-stabilized nonconforming Crouzeix-Raviart ($m=1$) or Morley ($m=2$) finite element eigensolver. Striking numerical evidence for the superiority of a new adaptive eigensolver motivates the convergence analysis in this paper with a proof of optimal convergence rates of the GLB towards a simple eigenvalue. The proof is based on (a generalization of) known abstract arguments entitled as the axioms of adaptivity. Beyond the known a priori convergence rates, a medius analysis is enfolded in this paper for the proof of best-approximation results. This and subordinated $L^2$ error estimates for locally refined triangulations appear of independent interest. The analysis of optimal convergence rates of an adaptive mesh-refining algorithm is performed in $3$D and highlights a new version of discrete reliability.

研究の動機と目的

• ラプラシアンおよびビラーモニック作用素の固有値に対する保証付き下界を計算する適応型有限要素法の最適収束速度を確立すること。
• 同時に保証付き下界と効率的なメッシュ細分化を提供する適応型固有値ソルバの収束速度解析が不足している問題に対処すること。
• 適応の公理とミディアス解析に基づく理論的枠組みを構築し、提案された適応型アルゴリズムの最適収束を証明すること。
• 特に局所的細分化メッシュに対して、非一致型有限要素法における離散的信頼性と最良近似結果を安定化を伴うものに拡張すること。

提案手法

• m=1 の場合に Crouzeix-Raviart、m=2 の場合に Morley の追加安定化非一致型有限要素法を用い、明示的なメッシュサイズ依存性を伴う保証付き下界固有値（GLB）を直接計算する。
• 要素面でのm階微分のジャンプと要素体積項を含む残差型誤差推定子を採用する。
• メッシュ細分化に最新頂点二等分（NVB）を適用し、収束の最適性を保証するため、バッチパラメータθを用いたD"orflerのマーキングを実施する。
• 局所的細分化メッシュに対して、最良近似結果およびL2誤差推定式を導出するため、一般化されたミディアス解析を適用する。
• 初期メッシュサイズが十分に小さいという仮定の下で、適応の公理（離散的信頼性と準直交性）を満たすことを証明し、最適収束速度を確立する。
• 安定化非一致型定式化に特化した、新たなバージョンの離散的信頼性を導入し、収束証明において不可欠な役割を果たす。

実験結果

リサーチクエスチョン

• RQ1 追加安定化非一致型FEMを用いた適応型有限要素法は、3次元における保証付き下界固有値に対して最適収束速度を達成できるか？
• RQ2 ミディアス解析は、局所的細分化メッシュの文脈において、最良近似結果およびL2誤差推定式をどのように導くか？
• RQ3 適応型アルゴリズムの最適収束速度を保証するための初期メッシュサイズとマーキングパラメータθの条件は何か？
• RQ4 新しい離散的信頼性推定式は、古典的なバージョンとどのように異なり、なぜ収束証明において不可欠なのか？
• RQ5 安定化パラメータκmは、適応スキームの安定性と収束性を保証するために果たす役割は何か？

主な発見

• 誤差推定子の収束速度が最適であり、与えられた自由度数に対して可能な最良の近似と同等の速度で収束することが保証される。
• 初期メッシュサイズhmax ≤ εという小さな条件のもとで収束が保証され、εは問題パラメータと固有値ギャップに依存する。
• 任意のs > 0に対して収束速度が最適であり、推定子は supℓ (1 + |Tℓ| - |T0|)^s ηℓ ≲ sup_N (1 + N)^s min_{T: |T| ≤ |T0| + N} η(T) を満たす。これにより収束速度の最適性が確認される。
• 安定化非一致型定式化に特化した新しい離散的信頼性推定式が導出され、適応ループの収束証明において不可欠である。
• ミディアス解析により、主な収束証明を超えて独立に価値のある最良近似結果およびL2誤差推定式が得られる。
• 理論的枠組みは、初期メッシュを細分化されたものに置き換えるなどの変更に対してもロバストであり、漸近的最適性とマーキングパラメータθの選択を維持する。