[논문 리뷰] Data Assimilation in Reduced Modeling

Peter Binev, Albert Cohen외 4명|RWTH Publications (RWTH Aachen)|2015. 06. 15.

Numerical methods in inverse problems참고 문헌 15인용 수 5

한 줄 요약

이 논문은 감소 모델링을 위한 최적의 데이터 융합 프레임워크를 제안하며, 중첩된 부분공간 $V_0 \subset \cdots \subset V_n$ 에서의 측정값과 근사 정보를 통합한다. 다중공간 설정에서 $u$ 가 각 $V_j$ 에서 잘 근사 가능하다는 조건이 있을 때, 복구 문제는 타원체 위로의 교차 투영을 통해 해결되며, 이는 $\mathcal{O}(k^{-1})$ 수렴 속도와 후행 오차 추정을 제공하여 정지 기준으로 사용할 수 있다.

ABSTRACT

We consider the problem of optimal recovery of an element $u$ of a Hilbert space $\mathcal{H}$ from $m$ measurements obtained through known linear functionals on $\mathcal{H}$. Problems of this type are well studied \cite{MRW} under an assumption that $u$ belongs to a prescribed model class, e.g. a known compact subset of $\mathcal{H}$. Motivated by reduced modeling for parametric partial differential equations, this paper considers another setting where the additional information about $u$ is in the form of how well $u$ can be approximated by a certain known subspace $V_n$ of $\mathcal{H}$ of dimension $n$, or more generally, how well $u$ can be approximated by each $k$-dimensional subspace $V_k$ of a sequence of nested subspaces $V_0\subset V_1\cdots\subset V_n$. A recovery algorithm for the one-space formulation, proposed in \cite{MPPY}, is proven here to be optimal and to have a simple formulation, if certain favorable bases are chosen to represent $V_n$ and the measurements. The major contribution of the present paper is to analyze the multi-space case for which it is shown that the set of all $u$ satisfying the given information can be described as the intersection of a family of known ellipsoids in $\mathcal{H}$. It follows that a near optimal recovery algorithm in the multi-space problem is to identify any point in this intersection which can provide a much better accuracy than in the one-space problem. Two iterative algorithms based on alternating projections are proposed for recovery in the multi-space problem. A detailed analysis of one of them provides a posteriori performance estimates for the iterates, stopping criteria, and convergence rates. Since the limit of the algorithm is a point in the intersection of the aforementioned ellipsoids, it provides a near optimal recovery for $u$.

연구 동기 및 목표

• 측정값과 감소 모델링에서의 근사 정보를 바탕으로 힐버트 공간 원소 $u$ 의 최적 복구를 수학적으로 엄밀한 프레임워크로 개발하는 것.
• 중첩 계층 구조 $V_0 \subset \cdots \subset V_n$ 에서 각 부분공간 $V_j$ 에서 잘 근사 가능하다는 정보를 바탕으로 $u$ 가 제약을 받는 다중공간 설정을 분석하는 것.
• 근사 오차와 측정값에 의해 정의된 타원체의 교차가 $u$ 의 타당 집합을 이룬다는 것을 입증하여 근사 최적 복구를 가능하게 하는 것.
• 수렴 보장이 있는 교차 투영 기반 반복 알고리즘을 설계하고 분석하는 것.

제안 방법

• 측정 제약 조건과 각 $V_j$ 에서의 근사 오차로부터 유도된 타원체의 교차에서 $u$ 를 식별하는 복구 문제로 공식화한다.
• 연속적인 매개변수 PDE와 감소 기저의 배경을 엄밀하게 모델링하기 위해 힐버트 공간 설정을 사용한다.
• 측정 제약 집합 $\mathcal{H}_w$ 와 근사 타원체 $\mathcal{K}_j$ 에 대한 교차 투영을 기반으로 하는 두 가지 반복 알고리즘을 제안한다.
• 반복의 수렴 속도 분석과 정지 기준을 위해, $\delta_k = \text{dist}(u^k, \mathcal{K}_w)^2$ 를 사용한 후행 오차 추정식을 유도한다.
• 부등식 $\delta_{k+1} \leq \delta_k - c^2 \delta_k^2$ 를 바탕으로, 타당 집합 $\mathcal{K}_w$ 까지의 거리에 대해 $\mathcal{O}(k^{-1})$ 수렴 속도를 입증한다.
• 이론을 단일공간 케이스에 적용하여, [16]에서 제안된 알고리즘이 최적 복구 이론의 관점에서 최적이 됨을 증명한다.

실험 결과

연구 질문

• RQ1 하나의 감소 부분공간 $V_n$ 에서의 측정값과 근사 정보로부터 상태 $u$ 를 힐버트 공간 설정에서 최적으로 복구할 수 있는가?
• RQ2 중첩된 부분공간 계층 구조 $V_0 \subset \cdots \subset V_n$ 에서의 근사 정보를 통합할 경우, 단일 부분공간에 비해 복구 정확도는 어떻게 향상되는가?
• RQ3 각 $V_j$ 에서의 근사 오차와 측정 데이터로 제약을 받는 $u$ 의 타당 집합의 구조는 어떠한가?
• RQ4 교차 투영 기반 반복 알고리즘이 다중공간 복구 문제에서 후행 오차 추정을 제공하면서 수렴 가능할 수 있는가?
• RQ5 다중공간 설정에서 이러한 반복 복구 알고리즘의 수렴 속도는 어떤 보장을 받을 수 있는가?

주요 결과

• 단일공간 복구를 위한 [16]에서 제안된 알고리즘이 최적 복구 이론의 관점에서 최적이 됨을 증명하였다.
• 다중공간 설정에서 $u$ 의 타당 집합은 각 $V_j$ 에서의 근사 오차 $\varepsilon_j$ 와 측정 제약 조건에 의해 정의된 타원체의 교차로 이루어지며, 이는 단일공간 방법보다 훨씬 높은 정확도를 가능하게 한다.
• 교차 투영 알고리즘의 반복에 대해 후행 오차 추정식을 도출하였으며, 이는 $\sqrt{\alpha_k^2 + \rho(\alpha_k)^2} \leq E_n$ 을 정지 기준으로 사용할 수 있도록 한다.
• 문제 파rameter에 대한 온건한 가정 하에, 타당 집합 $\mathcal{K}_w$ 까지의 거리에 대해 $\mathcal{O}(k^{-1})$ 수렴 속도가 확립되었으며, $\delta_k \leq Ck^{-1}$ 이다.
• 타당 집합 $\mathcal{K}_w$ 가 내부점을 포함할 경우 수렴 속도는 더 빠를 수 있다 (예: 지수적 속도), 그러나 탄성 교차가 발생하는 악성 경우에서는 $\mathcal{O}(k^{-1})$ 가 최악의 경우에 대해 날카로운 상한이 된다.
• 이 방법은 온라인 구현이 가능하며, 타원체의 교차에 속하는 점을 식별함으로써 $u$ 의 근사 최적 복구를 보장하며, 오차 한계도 보장한다.