[論文レビュー] Some convergence analysis for multicontinuum homogenization

Wing Tat Leung|arXiv (Cornell University)|Jan 23, 2024

Advanced Mathematical Modeling in Engineering被引用数 5

ひとこと要約

この論文は NLMC ベースのダウンスケーリングを用いた多連続均質化を分析し、均質化された方程式を導出し、マクロ関数が滑らかな場合に誤差が小さいことを示す収束結果を証明する。L2 収束は平滑化仮定の下で成立する。

ABSTRACT

In this paper, we provide an analysis of a recently proposed multicontinuum homogenization technique. The analysis differs from those used in classical homogenization methods for several reasons. First, the cell problems in multicontinuum homogenization use constraint problems and can not be directly substituted into the differential operator. Secondly, the problem contains high contrast that remains in the homogenized problem. The homogenized problem averages the microstructure while containing the small parameter. In this analysis, we first based on our previous techniques, CEM-GMsFEM, to define a CEM-downscaling operator that maps the multicontinuum quantities to an approximated microscopic solution. Following the regularity assumption of the multicontinuum quantities, we construct a downscaling operator and the homogenized multicontinuum equations using the information of linear approximation of the multicontinuum quantities. The error analysis is given by the residual estimate of the homogenized equations and the well-posedness assumption of the homogenized equations.

研究の動機と目的

• スケール間・高コントラストの多孔質媒体では標準の均質化が複数の連続体を扱う際に困難となることに動機づけられる。
• 任意の離散化に適合する多連続均質化フレームワークを開発する。
• 連続体構造を保持する局所平均化されたマクロモデルを導出する。
• 微視的解と均質化解を結ぶ厳密な誤差・収束推定を提供する。

提案手法

• 二つのダウンスケーリング演算子 P_{H_{ au},H}^{z} および P_{H_{ au}}^{z} を導入し、マクロ変数を細粒度表現に写像する。
• η_{x,i}、η_{x,i}^{(k)} の線形近似基底および局所平均を用いて多尺度演算子 a_{ε} を平均化する均質化二合成双線形作用素 tilde{a}_{H_{ au},H} を構築する。
• tilde{a}_{H_{ au},H} は滑動窓を横断して a_{ε} の平均作用であることを示す（式(5)）。
• 右辺に平均化された f を与え、区間 [H^1(Ω)]^2 上の (U_{0,H_{ au},H}, U_{1,H_{ au},H}) のアップスケール問題を定式化する。
• NLMC の基礎から非局所-局所の結びつきを提供し、ダウンスケ scaled 解をグローバル NLMC 基底と関連づける。
• 均質化系の残差推定と適切性仮定を通じて収束結果を証明する。

実験結果

リサーチクエスチョン

• RQ1 一般的な数値離散化と協調しつつ、複数連続体を保持できるような多連続均質化の定式化はどうなるか。
• RQ2 非局所的な多連続定式化から局所的なPDE形を得るための具体的なダウンスケーリングと平均化機構は何か。
• RQ3 正則性・コントラスト条件の下で均質化解は真の多尺度解へ収束するのか。
• RQ4 ダウンスケールされた均質化解と厳密解との誤差境界はどのようになり、それは H、H_ε、及びマクロ正定性にどう依存するか。
• RQ5 逆均質化演算子の平滑化仮定が定量的な L^2 収束結果をもたらすか。

主な発見

• 古典的な NLMC ダウンスケーリングは、マクロ変数が十分に滑らかな場合（補題 2）に多連続ダウンスケーリングで近似できる。
• 均質化二重線形形式 tilde{a}_{H_{ au},H} は多尺度演算子 a_{ε} の平均として導かれ、局所基底の豊富化に依存する係数 α_{kl}, β_k, γ を備えた有効 PDE を生み出す（式4）。
• 均質化方程式の残差は、2kH_ε < H かつ k = O(log(1/H_ε)) のとき C log(1/H_ε) H^α 倍の L^2 ノルム f によって有界である（補題3）。
• 逆演算子 A_{H_ε,H}^{-1,*} の平滑化仮定の下で、真の解 u_ε とダウンスケールされた均質化解との L^2 差は C log(1/H_ε) H^α で有界となる（定理4）。
• この枠組みは ε、H_ε、H の三スケール設定に依存し、マクロ表現を (U_0, U_1) により構築するため、マクロ保存則を得るには強い正則性仮定が必要となる。