[논문 리뷰] An Automated Singularity-Capturing Scheme for Fractional Differential Equations

Jorge L. Suzuki, Mohsen Zayernouri|arXiv (Cornell University)|2018. 10. 26.

Fractional Differential Equations Solutions참고 문헌 28인용 수 7

한 줄 요약

이 논문은 단일 시간 데이터에서의 강력한 다중특이성 조건을 고려하여 분수차분방정식(FDEs)의 해 특이성을 자동으로 포착하는 데이터 기반의 프레임워크를 제안한다. 두 단계의 접근 방식을 사용한다: 첫째, 경사하강법 기반의 유한차분법이 짧은 시간 데이터에서 거듭제곱 법칙 특이성을 식별한다. 둘째, 이러한 특이성이 루비치 유사 보정 항을 통해 암묵적인 유한차분법에 통합되며, 강력한 다중특이성이 존재하는 상황에서도 $\boldsymbol{\text{O}}(\boldsymbol{\text{Δ}}t^{3-\boldsymbol{\text{α}}})$의 정확도를 달성한다.

ABSTRACT

Solutions to fractional models inherently exhibit non-smooth behavior, which significantly deteriorates the accuracy and therefore efficiency of existing numerical methods. We develop a two-stage data-infused computational framework for accurate time-integration of single- and multi-term fractional differential equations. In the first stage, we formulate a self-singularity-capturing scheme, given available/observable data for diminutive time. In this approach, the fractional differential equation provides the necessary knowledge/insight on how the hidden singularity can bridge between the initial and the subsequent short-time solution data. We develop a new self-singularity-capturing finite-difference algorithm for automatic determination of the underlying power-law singularities nearby the initial data, employing gradient descent optimization. In the second stage, we can utilize the multi-singular behavior of solution in a variety of numerical methods, without resorting to making any ad-hoc/uneducated guesses for the solution singularities. Particularly, we employed an implicit finite-difference method, where the captured singularities, in the first stage, are taken into account through some Lubich-like correction terms, leading to an accuracy of order $\mathcal{O}(Δt^{3-α})$. Our computational results demonstrate that the developed framework can either fully capture or successfully control the solution error in the time-integration of fractional differential equations, especially in the presence of strong multi-singularities.

연구 동기 및 목표

• 표준 수치적 방법의 정확도를 떨어뜨리는 분수차분방정식(FDEs)의 비연속적인 해 문제를 해결한다.
• 해의 정규성에 대한 사전 지식 없이도 초기 시간 근처의 숨겨진 거듭제곱 법칙 특이성을 수동적 또는 추측 기반으로 사용하지 않고 자동으로 탐지하는 방법을 개발한다.
• 짧은 시간 데이터에서 유도된 다중특이성 행동을 정확히 포착함으로써 장기적 통합에서 고차 정확도를 달성한다.
• 관측된 해 데이터를 기반으로 동적으로 적절한 특이성 매개변수를 결정하는 자가 특이성 포착 알고리즘을 제작한다.
• 탐지된 특이성을 보정 항을 통해 수치적 방법에 통합하여 최적의 수렴 속도를 달성한다.

제안 방법

• 초기 데이터에서 거듭제곱 법칙 특이성 지수를 결정하기 위해 경사하강 최적화를 사용하는 자가 특이성 포착 유한차분 알고리즘을 수립한다.
• 특이성 매개변수 $ \theta $ 에 대해 $ E(\theta) = ||u^{data}(t) - u^N(t;\theta)||^2_{L^2(\tilde{\boldsymbol{\text{Ω}}})} $ 형태의 이차 오차 함수를 정의하고, 이를 최소화하여 진짜 특이성을 식별한다.
• 다항함수 $ \boldsymbol{\text{ψ}}_0 $ 를 포함한 분석 도함수를 사용하는 뉴턴 반복법을 적용하여 최적의 특이성 지수를 효율적으로 해석한다.
• 분수도수 $ t^\theta $ 를 $ t = \boldsymbol{\text{Δ}}t $ 에서 계산한 결과를 바탕으로, 루비치 유사 보정 항을 통해 탐지된 특이성을 암묵적 유한차분법에 통합한다.
• 관계식 $ \boldsymbol{\text{D}}^\boldsymbol{\text{α}}(t^\theta)|_{t=\boldsymbol{\text{Δ}}t} + W_{1,1} t^\theta = \frac{\boldsymbol{\text{Γ}}(1+\theta)}{\boldsymbol{\text{Γ}}(1+\theta-\boldsymbol{\text{α}})} \boldsymbol{\text{Δ}}t^{\theta-\boldsymbol{\text{α}}} $ 를 사용하여 보정 가중치 $ W_{1,1} $ 의 닫힌 형태 표현식을 유도한다.
• 탐지된 특이성을 $ M $ 개의 보정 항을 통해 통합함으로써 $ \boldsymbol{\text{O}}(\boldsymbol{\text{Δ}}t^{3-\boldsymbol{\text{α}}}) $ 수렴 속도를 달성하며, 이때 $ \boldsymbol{\text{σ}}_k $ 는 데이터로부터 자동으로 결정된다.

실험 결과

연구 질문

• RQ1 해의 정규성에 대한 사전 지식 없이도 짧은 시간 관측 데이터에서 숨겨진 거듭제곱 법칙 특이성을 자동으로 탐지할 수 있는가?
• RQ2 탐지된 특이성을 시간 통합 방법에 통합하는 최적의 전략은 무엇인가? 이는 장기 시뮬레이션에서 고차 정확도를 달성하기 위한 것이다.
• RQ3 경사하강법 기반 최적화 프레임워크가 초기 데이터로부터 올바른 특이성 지수 $ \theta $ 를 효과적이고 효율적으로 결정할 수 있는가?
• RQ4 기본적인 특이성 거듭제곱 값 선택 방식(예: $ \boldsymbol{\text{σ}}_k = 0.1k $)과 비교할 때, 제안된 방법의 정확도와 안정성은 어떠한가?
• RQ5 보정 항 수 $ M $ 을 증가시킬 경우 시스템의 조건수와 결과적인 수치 오차에 어떤 영향을 미치는가?

주요 결과

• 제안된 자가 특이성 포착 프레임워크는 분석 도함수를 사용하는 뉴턴 반복법을 통해 짧은 시간 데이터에서 진짜 거듭제곱 법칙 특이성 지수 $ \theta $ 를 성공적으로 식별한다.
• 데이터 기반 보정 항을 통합함으로써 장기적 통합에서 $ \boldsymbol{\text{O}}(\boldsymbol{\text{Δ}}t^{3-\boldsymbol{\text{α}}}) $ 수렴 속도를 달성한다.
• 강력한 다중특이성을 포함하는 FDE의 해 오차를 완전히 포착하거나 제어할 수 있으며, 표준 방법이 정규성이 열악하여 실패하는 경우에도 성능을 유지한다.
• 특이성 탐지 과정의 반복당 계산 비용은 매우 낮으며, 첫 번째 단계에서 역사 의존 분수도수 평가를 피하는 데 성공한다.
• $ M > 9 $ 개의 보정 항을 사용할 경우 바르모네 시스템의 조건수가 크게 증가하여 잔차와 수치 오차가 증가함을 확인하였으며, 이는 $ M $ 을 무분별하게 증가시키는 것보다 자동 탐지의 중요성을 강조한다.
• 기본적인 선택 방식(예: $ \boldsymbol{\text{σ}}_k = 0.1k $)보다도 진짜 해의 특이성 구조에 동적으로 적응하는 능력 덕분에 제안된 프레임워크가 우월하다.