[論文レビュー] Metric based up-scaling

Houman Owhadi, Lei Zhang|arXiv (Cornell University)|May 11, 2005

Advanced Mathematical Modeling in Engineering参考文献 64被引用数 34

ひとこと要約

本稿では、任意の $ L^\infty $ 係数をもつ楕円型偏微分方程式に対して、従来の遍歴性やスケール分離の仮定を回避する、メトリックに基づくスケーリング拡大手法を提案する。$ a $-調和座標と歪み $ \mu_\sigma $ を用いた新たな補正メカニズムにより、変換された解の $ C^{1,\alpha} $ 正則性を証明し、多スケール的で遍歴性の欠如する媒体に対しても、誤差境界を伴う高精度な数値均質化と圧縮が可能になる。

ABSTRACT

We consider divergence form elliptic operators in dimension $n\geq 2$ with $L^\infty$ coefficients. Although solutions of these operators are only Hölder continuous, we show that they are differentiable ($C^{1,α}$) with respect to harmonic coordinates. It follows that numerical homogenization can be extended to situations where the medium has no ergodicity at small scales and is characterized by a continuum of scales by transferring a new metric in addition to traditional averaged (homogenized) quantities from subgrid scales into computational scales and error bounds can be given. This numerical homogenization method can also be used as a compression tool for differential operators.

研究の動機と目的

• マルチスケールPDEにおける古典的な遍歴性とスケール分離の仮定を越えて、数値均質化を拡張すること。
• 正確な粗スケール近似に必要な最小限のサブグリッド情報——特に、新たなスケーリングされたメトリックと平均化された量——を同定すること。
• 統計的正則性に欠ける連続的なスケールの集合を示す媒体で、$ L^\infty $ 係数をもつ楕円型PDEの均質化を可能にするフレームワークを構築すること。
• 事前に粗スケール作用素を低次元化し、誤差境界を保証することで、複数の右辺を持つ問題の効率的解法を可能にすること。
• 本手法が微分作用素の圧縮ツールとして機能できることを示し、繰り返しPDEの解法における計算コストを低減できること。

提案手法

• 境界 $ \partial\Omega $ で $ F = x $ を満たす $ \operatorname{div}(a \nabla F) = 0 $ を満たす $ a $-調和座標 $ F $ を導入し、座標変換により正則性を向上させる。
• 歪み $ \mu_\sigma $ を制御する非等方的歪みを示す計量テンソル $ \sigma = {}^t\nabla F a \nabla F $ を定義する。
• もし $ \sigma $ が安定的（すなわち $ \mu_\sigma < \infty $ かつ $ (\operatorname{Trace}(\sigma))^{-1-\epsilon} \in L^1 $）ならば、$ (\nabla F)^{-1} \nabla u \in C^{\alpha} $ が成り立つことが示され、正則性の向上が保証される。
• この正則性を基に、$ C^1 $ 連続なスプライン（例：重み付き拡張Bスプライン）を用いたガラーキン有限要素法を、より高い精度で適用可能とする。
• ランダムなフーリエモードや臨界点でのパーコレーションといったマルチスケール媒体に本手法を適用し、分片線形要素とスプライン要素の両方を比較する。
• 数値実験により、本手法が高精度な数値均質化と作用素圧縮を可能にし、実際には自由度を $ N $ から $ N^{0.01} $ にまで低減できることを示した。

実験結果

リサーチクエスチョン

• RQ1 遍歴性やスケール分離を仮定しない媒体に対しても、数値均質化を拡張できるか？
• RQ2 標準的な均質化係数を超えて、正確性を保証するためには、サブグリッドから粗スケールにどの最小限の情報——特に、新たなスケーリングメトリックと平均化量——を伝達する必要があるか？
• RQ3 新しいメトリック構造（$ \sigma $ を通じて）を用いて、任意の $ L^\infty $ 係数をもつ楕円型PDEの解を正則化できるか？
• RQ4 歪み $ \mu_\sigma $ で測定される $ \sigma $ の安定性と、変換された解の正則性の関係は何か？
• RQ5 本フレームワークは、微分作用素の圧縮と繰り返しPDE解法における計算コスト低減に利用できるか？

主な発見

• 任意の $ L^\infty $ 係数をもつ発散型楕円型PDEの解は、$ a $-調和座標系において、元の解がホルダー連続である場合でも $ C^{1,\alpha} $ 正則性を示す。
• 本手法により、遍歴性やスケール分離を仮定せず、連続的なスケールの集合を示す媒体に対しても、数値均質化が可能である。
• 次元 $ n=2 $ の場合、$ \sigma $ が安定的（すなわち $ \mu_\sigma < \infty $ かつ $ (\operatorname{Trace}(\sigma))^{-1-\epsilon} \in L^1 $）ならば、$ (\nabla F)^{-1} \nabla u \in C^{\alpha} $ が成り立ち、数値近似に適した高い正則性が保証される。
• ガラーキン法に $ C^1 $ 連続なスプライン（例：重み付き拡張Bスプライン）を用いることで、分片線形要素に比べて誤差が著しく低減され、特に粗いメッシュ上でも顕著である。
• ランダムなフーリエモードおよび臨界点でのパーコレーションに対する数値実験では、スプラインベースの手法（FEM_\psi_{sp}）が、分片線形要素（FEM_\psi_{lin}）に比べて、粗いメッシュ上での $ L^1 $ および $ H^1 $ 誤差を最大50%まで低減した。
• 本手法により、効果的な圧縮が可能である。$ n $ 回の局所問題の解法後、$ N $ ノードではなく $ N^{0.01} $ ノードの粗いメッシュ上で解くことで、正確な近似が達成可能であり、複数の右辺を持つ問題における計算コストが著しく低減される。