[論文レビュー] Multi-level quasi-Monte Carlo finite element methods for a class of elliptic partial differential equations with random coefficients

Frances Y. Kuo, Christoph Schwab+1 more|arXiv (Cornell University)|Aug 1, 2012

Probabilistic and Robust Engineering Design参考文献 17被引用数 17

ひとこと要約

本稿では、乱数係数を伴う楕円型PDEを解くための多層階準モンテカルロ（QMC）有限要素法を提案する。多層階FE離散化とランダムにシフトされた格子則を組み合わせ、根平均二乗誤差において最適な収束率O(h²)を達成し、総計算量は単一の高分解能FE解法と同等である。標準モンテカルロ法に比べて計算コストを顕著に低減する。

ABSTRACT

Quasi-Monte Carlo (QMC) methods are applied to multi-level Finite Element (FE) discretizations of elliptic partial differential equations (PDEs) with a random coefficient, to estimate expected values of linear functionals of the solution. The expected value is considered as an infinite-dimensional integral in the parameter space corresponding to the randomness induced by the random coefficient. We use a multi-level algorithm, with the number of QMC points depending on the discretization level, and with a level-dependent dimension truncation strategy. In some scenarios, we show that the overall error is $\mathcal{O}(h^2)$, where $h$ is the finest FE mesh width, or $\mathcal{O}(N^{-1+δ})$ for arbitrary $δ>0$, where $N$ is the maximal number of QMC sampling points. For these scenarios, the total work is essentially of the order of one single PDE solve at the finest FE discretization level. The analysis exploits regularity of the parametric solution with respect to both the physical variables (the variables in the physical domain) and the parametric variables (the parameters corresponding to randomness). Families of QMC rules with "POD weights" ("product and order dependent weights") which quantify the relative importance of subsets of the variables are found to be natural for proving convergence rates of QMC errors that are independent of the number of parametric variables.

研究の動機と目的

• 乱数係数を伴う楕円型PDEの解の線形汎関数の期待値を計算する際の計算コストを低減すること。
• 文献[24]における単一層QMC有限要素法を、効率性を向上させるために多層階フレームワークに拡張すること。
• 乱数係数のパラメトリック構造に関する一般的な仮定の下で、多層階QMC FE法の誤差と計算量の複雑度を分析すること。
• パラメトリック変数の数に依存しない収束を保証するため、多層階設定に特化した新しいPOD（積と順序に依存する）重みを導出すること。

提案手法

• 無限次元パrameter空間における準モンテカルロ積分に、多層階有限要素離散化とランダムにシフトされた格子則を組み合わせる。
• 解を段階ごとの補正に分ける階層的分解：$ u^{s_\ell}_{h_\ell} - u^{s_{\ell-1}}_{h_{\ell-1}} $ により、分散低減を実現する。
• 精度と計算コストのバランスをとるために、段階に依存する次元切り捨て戦略を適用する。
• QMCルールに積と順序に依存する（POD）重みを用い、変数の重要度を定量化し、パラメトリック次元に依存しない収束レートを保証する。
• 総誤差を切り捨て誤差、QMC誤差、FE離散化誤差の3つの成分に分解することで誤差境界を導出する。
• FE問題に対して線形計算量の解法と正確な剛性行列アセンブリを仮定するコストモデルを用いる。

実験結果

リサーチクエスチョン

• RQ1 多層階QMC有限要素法を用いることで、乱数係数を伴う楕円型PDEの解の汎関数の期待値を計算する際の計算コストを顕著に低減できるか？
• RQ2 QMCサンプリング点数、FEメッシュの細分化、パラメトリック切り捨てレベルの最適なバランスは何か？　総計算量を最小化しつつ、高い収束レートを維持できるか？
• RQ3 多層階設定において、QMCルールのPOD重みはどのように選ぶべきか？　これにより、パラメトリック変数の数に依存しない収束を保証できるか？
• RQ4 多層階QMC FE法の収束レートは、最も細かいメッシュ幅hの関数としてどのように表されるか？　最適な計算量を達成できるか？
• RQ5 同様の問題クラスに対して、多層階QMC法は単一層QMC法や多層階モンテカルロ法に比べてどの程度効率的か？

主な発見

• 空間次元d = 2で一次要素を用いる場合、多層階QMC FE法の総計算量は、最も細かいFE離散化レベルでの1回のPDE解法とほぼ同等のオーダーである。
• 期待値推定の根平均二乗誤差は、NがQMCサンプリング点数の最大値であるとして、O(h²)または任意のδ > 0に対してO(N⁻¹⁺δ)である。
• 状況1（k正交性と適切なパrameter選択）では、δ = 0.5のとき計算量O(h⁻²/(¹⁻⁵))で最適な収束率O(h²)を達成し、決定的H²正則問題の最良の境界と一致する。
• 単一層の場合よりも強い正則性仮定をパラメトリック関数ψjに対して要請する。具体的には、∑j≥1 ∥ψj∥qW¹,∞(D) < ∞ かつ q = p/(1−p) ≤1 である。
• QMCルールで用いられるPOD重みは、単一層設定とは異なり、多層階構造に特化して調整されており、収束性を維持する。
• ホルダー連続性などの弱い正則性仮定への拡張も可能であり、誤差境界は∥ψj∥W¹,∞(D)の代わりに∥ψj∥C⁰,ᵣ(D)に依存する。