[論文レビュー] Analysis of quasi-optimal polynomial approximations for parameterized PDEs with deterministic and stochastic coefficients

Hoang Tran, Clayton Webster+1 more|arXiv (Cornell University)|Aug 7, 2015

Probabilistic and Robust Engineering Design参考文献 20被引用数 6

ひとこと要約

本稿では、決定的および確率的係数を有するパrameterized楕円型PDEにおける準最適多項式近似を分析する一般化されたフレームワークを提示する。多インデックス集合を連続領域に拡張し、Lebesgue測度を用いて濃度を推定することで、形式 $ M\exp{(- (\kappa M)^{1/N})} $ の非指数的収束率を有する鋭い漸近誤差境界を導出する。これにより、テイラー近似に比べてルジャンドル近似の優れた性能が示され、理論的および計算的証拠によって手法が検証される。

ABSTRACT

In this work, we present a generalized methodology for analyzing the convergence of quasi-optimal Taylor and Legendre approximations, applicable to a wide class of parameterized elliptic PDEs with finite-dimensional deterministic and stochastic inputs. Such methods construct an optimal index set that corresponds to the sharp estimates of the polynomial coefficients. Our analysis furthermore represents a new approach for estimating best $M$-term approximation errors by means of coefficient bounds, without using Stechkin inequality. The framework we propose for analyzing asymptotic truncation errors is based on an extension of the underlying multi-index set into a continuous domain, and then an approximation of the cardinality (number of integer multi-indices) by its Lebesgue measure. Several types of isotropic and anisotropic (weighted) multi-index sets are explored, and rigorous proofs reveal sharp asymptotic error estimates in which we achieve sub-exponential convergence rates of the form $M \exp(-(κM)^{1/N})$, with $κ$ a constant depending on the shape and size of multi-index sets) with respect to the total number of degrees of freedom. Through several theoretical examples, we explicitly derive the constant $κ$ and use the resulting sharp bounds to illustrate the effectiveness of Legendre over Taylor approximations, as well as compare our rates of convergence with current published results. Computational evidence complements the theory and shows the advantage of our generalized framework compared to previously developed estimates.

研究の動機と目的

• 有限次元の決定的および確率的入力を有するパrameterized楕円型PDEにおける、準最適テイラー近似とルジャンドル近似の収束を分析する一般化された手法の開発。
• ステチキン不等式に依存せずに、係数の境界と連続領域への拡張を用いて、最良の $ M $ 項近似誤差を推定すること。
• 多インデックス集合の濃度をそのLebesgue測度で近似することにより、鋭い漸近誤差推定を導出すること。
• 等方的および非等方的（重み付き）多インデックス集合の下で、ルジャンドル近似とテイラー近似の収束性能を比較すること。
• 理論的枠組みを計算的証拠とともに検証し、既存の出版結果と収束率を比較すること。

提案手法

• 離散的多インデックス集合を連続領域に拡張し、Lebesgue測度を用いてその濃度を近似することで、漸近的誤差解析を可能にする。
• 複素領域における係数 $ a(x,\mathbf{y}) $ の解析性から導かれる係数の境界を用いて、多項式近似の最適インデックス集合を定義する。
• 多インデックス集合 $ \Lambda \subset \mathbb{N}^N $ を用いたフレームワークを適用し、$ u(\mathbf{y}) $ の準最適多項式部分空間を構築する。
• 多項式係数の減衰率 $ \bm{\rho}^{-\bm{\nu}} $ を用いて収束率を分析する。ここで $ \bm{\rho} $ は解析性の定義域を示す。
• 多インデックスの数の連続的近似を用いて、形式 $ M\exp{(- (\kappa M)^{1/N})} $ の誤差推定を導出する。ここで $ \kappa $ はインデックス集合の形状とサイズに依存する。
• 計算実験を通じて理論的境界を検証し、特に等方的および非等方的設定において、既存手法と収束率を比較する。

実験結果

リサーチクエスチョン

• RQ1 決定的および確率的係数を有するパrameterized PDEにおける最良の $ M $ 項近似誤差の漸近的挙動は何か？
• RQ2 ステチキン不等式に依存せずに、鋭い誤差推定をどのように導出できるか？
• RQ3 等方的および非等方的多インデックス集合の下で、準最適ルジャンドル近似とテイラー近似の収束率は何か？
• RQ4 収束速度と精度の観点から、本手法は既存の事前および事後近似戦略と比べてどのように差をつけるか？
• RQ5 非侵襲的コロケーション法に一般化可能か？特に、入れ子構造の最適補間点と制御可能なLebesgue定数を有する場合。

主な発見

• 提案手法は、$ \kappa $ が多インデックス集合の形状とサイズに依存する形式 $ M\exp{(- (\kappa M)^{1/N})} $ の非指数的収束率を達成する。
• 多インデックス集合の濃度をその連続拡張のLebesgue測度で近似することで、鋭い漸近誤差推定が可能になる。
• 特に非等方的および重み付き設定において、ルジャンドル近似がテイラー近似を上回る収束速度を示す。
• いくつかの例について、定数 $ \kappa $ の理論的導出が明示的に提供され、収束性能の正確な比較が可能になる。
• 計算結果は理論的予測を確認し、精度および収束速度の観点で、以前に発表された推定値よりも本手法の優位性を示している。
• 解析により、Lebesgue定数がゆっくり増加する場合および補間点が入れ子構造である場合に、非侵襲的コロケーション法と準最適部分空間の組み合わせが有効であることが支持される。