[論文レビュー] Reduced Basis Methods Based Upon Adaptive Snapshot Computations

Mazen Ali, Kristina Steih+1 more|arXiv (Cornell University)|Jul 7, 2014

Model Reduction and Neural Networks参考文献 31被引用数 11

ひとこと要約

本稿では、パラメータ依存のスナップショットをオフライン段階でウェーブレットに基づく適応型スolverを用いて計算することで、パラメータごとに最適な離散化と正確な解に対する厳密な誤差推定を可能にする、適応型低次元ベース法（RBM）を提案する。主な貢献は、残差ノルムの代理双対ウェーブレット展開を用いることで、オンライン効率的な後騒誤差推定と、適応型グリーディアルゴリズムの収束を保証することにある。

ABSTRACT

We use asymptotically optimal \emph{adaptive} numerical methods (here specifically a wavelet scheme) for snapshot computations within the offline phase of the Reduced Basis Method (RBM). The resulting discretizations for each snapshot (i.e., parameter-dependent) do not permit the standard RB `truth space', but allow for error estimation of the RB approximation with respect to the exact solution of the considered parameterized partial differential equation. The residual-based a posteriori error estimators are computed by an adaptive dual wavelet expansion, which allows us to compute a surrogate of the dual norm of the residual. The resulting adaptive RBM is analyzed. We show the convergence of the resulting adaptive Greedy method. Numerical experiments for stationary and instationary problems underline the potential of this approach.

研究の動機と目的

• 古典的RBMの限界を克服するため、すべてのパラメータに同一の固定された高精度離散化を用いることによる非効率な計算負荷や精度の低下を解消する。
• 真の解空間ではなく、パラメータ付きPDEの正確な解に対するRB近似の誤差推定を可能にする。
• 各パラメータごとに最適に細分化された離散化を用いる適応型オフライン手順を開発し、計算負荷を最小限に抑える。
• 双対ウェーブレット展開を用いて残差の双対ノルムの代理を構築し、効率的かつ厳密な後騒誤差推定を可能にする。
• 提案された枠組みの下で、適応型グリーディアルゴリズムの収束を証明する。

提案手法

• オフライン段階では、パラメータ固有の漸近的最適離散化を可能にするために、適応型ウェーブレット Galerkin 法（AWGM）をスナップショット計算に用いる。
• 各パラメータに対して、ウェーブレットに基づく誤差制御を用いて適応的に高精度解が計算され、事前に設定された許容誤差内での精度が保証される。
• 双対ウェーブレット基底における展開を用いて、残差の双対ノルムの代理が構築され、誤差推定子のオンライン効率的計算が可能になる。
• 残差に基づく後騒誤差推定子は、双対ウェーブレット展開から導出され、RB誤差が正確な解に対して厳密にバインドされることを保証する。
• 適応型グリーディアルゴリズムは、この誤差推定子に基づいてパラメータを選択し、低次元基底の収束を保証する。
• 一般的な適応型スolverの仮定の下で手法を分析し、特にウェーブレットおよび双対ウェーブレット系を用いた具体的な実装を提示する。

実験結果

リサーチクエスチョン

• RQ1 RBMのオフライン段階における適応的スナップショット計算は、パラメータごとに最適な計算負荷配分を実現しながらも、厳密な誤差制御を維持できるか？
• RQ2 残差の双対ノルムをどのように効率的に近似できるか。これにより、RB近似のオンライン効率的誤差推定が可能になるか？
• RQ3 オフライン段階で適応的離散化を用いることで、低次元基底選択のための適応型グリーディアルゴリズムは収束するか？
• RQ4 双対ウェーブレット展開の代理に基づく誤差推定子は、PPDEの正確な解に対するRB誤差を信頼性のあるバインドで保証できるか？
• RQ5 適応的スナップショット計算は、固定離散化を用いる古典的RBMに比べて、どのような条件下で優れているか？

主な発見

• 提案された枠組みの下で適応型グリーディアルゴリズムは収束し、低次元基底が解多様体を効率的に捉えることを保証する。
• 双対ウェーブレット展開の代理は、残差の双対ノルムの計算可能な近似を提供し、オンライン効率的な後騒誤差推定を可能にする。
• 本手法は、パラメータごとに漸近的最適な離散化を可能にし、均一な細分化と比較して全体のオフライン計算コストを削減する。
• 誤差推定子は、真の解空間ではなく、PPDEの正確な解に対するRB誤差をバインドするため、認証の信頼性が向上する。
• 定常および非定常問題に対する数値実験により、特に強いパラメータ依存の局所的特徴を有する場合に本手法の有効性が確認された。
• 解のBesov正則性がSobolev正則性を上回る場合に、最適収束率が達成され、適応法の既知の利点と整合する。