[論文レビュー] $h$ and $hp$-adaptive Interpolation by Transformed Snapshots for Parametric and Stochastic Hyperbolic PDEs

Gerrit Welper|arXiv (Cornell University)|Oct 31, 2017

Probabilistic and Robust Engineering Design参考文献 35被引用数 15

ひとこと要約

本稿では、パラメトリックおよび確率的双曲型PDEのショック構造のトポロジー変化に対処するため、変換されたスナップショットを用いた$h$および$hp$-適応的補間を提案する。局所的なパラメータ空間のメッシュ細分化と座標に沿った変換を活用することで、不連続性が存在する中でも指数的収束率を達成し、ショック構造の変化を伴う問題において、従来の低次元基底法やPOD法を上回る性能を発揮する。

ABSTRACT

The numerical approximation of solutions of parametric or stochastic hyperbolic PDEs is still a serious challenge. Because of shock singularities, most methods from the elliptic and parabolic regime, such as reduced basis methods, POD or polynomial chaos expansions, show a poor performance. Recently, Welper [Interpolation of functions with parameter dependent jumps by transformed snapshots. SIAM Journal on Scientific Computing, 39(4):A1225-A1250, 2017] introduced a new approximation method, based on the alignment of the jump sets of the snapshots. If the structure of the jump sets changes with parameter, this assumption is too restrictive. However, these changes are typically local in parameter space, so that in this paper, we explore $h$ and $hp$-adaptive methods to resolve them. Since local refinements do not scale to high dimensions, we introduce an alternative "tensorized" adaption method.

研究の動機と目的

• ショック不連続性のため、従来の低次元基底法、POD法、多項式クラウド法がパラメトリックおよび確率的双曲型PDEで性能を発揮できない問題を解決すること。
• 変換スナップショット補間（TSI）の制限を克服すること。TSIはパラメータ間でジャンプ集合のトポロジーが固定であると仮定している。
• ショック構造のトポロジー変化が局所的に発生する領域を解明するため、パラメータ空間における$h$および$hp$-適応的細分化戦略を開発すること。
• 高次元パラメータ空間におけるスケーラビリティの問題を軽減するため、テンソル化された適応フレームワークを導入すること。
• 進化するショックトポロジーを伴うモデル問題に対して、指数的収束率を達成できることを実証し、ベンチマークPDEにおける数値実験で検証すること。

提案手法

• パラメータ依存のドメイン変換$\phi(\mu,\eta)(x)$を用いた変換スナップショット補間（TSI）を適用し、パラメータ値間でジャンプ不連続性が一致するようにする。
• ショック衝突やショックから希薄波への遷移など、ショックトポロジーが変化する局所的領域を解明するために、パラメータ空間における$h$-および$hp$-適応的細分化を実施する。
• 局所的細分化を座標軸に沿わせることで、高次元パラメータ空間におけるスケーラビリティを向上させるテンソル化された適応戦略を構築する。
• 変換スナップショットを用いたパラメータ空間におけるラグランジュ補間を採用する：$ u(x,\mu) \approx \sum_{\eta \in \mathcal{P}_n} \ell_\eta(\mu) \, u(\phi(\mu,\eta)(x), \eta) $。
• 2次要素と境界条件$\varphi \cdot \nu = 0$を用いた有限要素ベースの変換$\phi(\mu,\eta)(x) = x + \varphi(\mu,\eta)(x)$を採用し、微分同相写像とドメイン保存性を保証する。
• 空間解像度の向上のため、粗いガウス求積と2次多項式近似を用いて変換および解の評価を行う。

実験結果

リサーチクエスチョン

• RQ1 パラメータ空間における$h$および$hp$-適応的細分化は、パラメトリック双曲型PDEのショック構造における局所的トポロジー変化を効果的に解明できるか？
• RQ2 座標に沿った変換に基づくテンソル化された適応戦略は、標準的な局所的細分化と比較して、高次元パラメータ空間におけるスケーラビリティを向上させるか？
• RQ3 進化するショックトポロジーを伴う問題に対して、提案された適応的TSI法が達成できる収束率は何か？
• RQ4 不連続解を伴う問題において、標準的な低次元基底法およびPOD法と比較して、本手法の誤差とロバストネスはどのように評価できるか？
• RQ5 本手法は、ショック衝突やショックから希薄波への遷移といった重要な遷移を、最小限の細分化で捉えることができるか？

主な発見

• モデル問題に対して、進化するショックトポロジーを伴う問題で指数的収束率を達成し、標準的な低次元基底法およびPOD法を上回る優れた性能を示した。
• 初期条件に2つのジャンプを含む非粘性バーガース方程式に対する数値実験では、局所的細分化がショック衝突および希薄波への遷移を効果的に捉えた。
• $\mu = -0.5$では、ショック衝突の発生時刻に細分化が集中している。$\mu = 0.5$では、$t=0$で初期ジャンプが希薄波に移行するため、その時点で細分化が発生している。
• テストケース全体の誤差は、空間解像度$h = 0.01$のスナップショットの誤差レベルにすでに近づいており、最小限の細分化で高い精度を達成していることが示された。
• 前進ステップ流れの例では、高マッハ数で新たなショックが形成されることを捉えており、細分化はその遷移点付近に局所化されている。
• 本手法は解における段階的効果（stair-casing）を回避し、誤差が空間メッシュサイズの約2倍（$h = 0.025$）に保たれているため、ロバスト性と精度が確認された。