[논문 리뷰] Inverse problems for the fractional Laplace equation with lower order nonlinear perturbations

Ru-Yu Lai, Laurel Ohm|arXiv (Cornell University)|2020. 09. 16.

Numerical methods in inverse problems참고 문헌 45인용 수 5

한 줄 요약

이 논문은 다중 비선형 저항항을 가진 분수 라플라스 방정식에 대한 역문제의 유일한 해법을 확립한다. 룬게 근사성질과 분수 라플라스 연산자의 강한 유일성에 기반하여, 소규모 데이터 조건 하에서 국소적인 외부 측정값을 통해 계수 $ b(x) $, 방향성 성분 $ d(x,y) \cdot (x-y) $, 그리고 전체 비선형 포텐셜 $ a(x,z) $ 가 유일하게 재구성될 수 있음을 증명한다.

ABSTRACT

We study the inverse problem for the fractional Laplace equation with multiple nonlinear lower order terms. We show that the direct problem is well-posed and the inverse problem is uniquely solvable. More specifically, the unknown nonlinearities can be uniquely determined from exterior measurements under suitable settings.

연구 동기 및 목표

• 비국소 연산자를 포함한 분수 타원 방정식에서 다중 비선형 저항항을 복원하는 역문제를 다루는 것.
• 소규모 외부 데이터 조건 하에서 직접 문제의 잘 정의됨을 확립하는 것.
• 국소적인 외부 측정값을 통해 미지 계수 $ b(x) $, $ d(x,y) $, $ a(x,z) $ 가 유일하게 결정됨을 증명하는 것.
• 칼라조르형 역문제 프레임워크를 비선형성, 비국소성, 고차항 항목을 포함한 방정식으로 확장하는 것.
• 비국소 PDE에서 다중 비선형성을 동시에 복원하기 위한 엄밀한 분석적 기초를 제공하는 것.

제안 방법

• 비선형 항 $ b(x) $, $ d(x,y) $, $ a(x,z) $ 를 포함하는 분수 타원 방정식을 설정하며, 여기서 $ a(x,z) $ 는 $ z=0 $ 에서 $ m+1 $ 차수로 0이 되는 해석적 함수이다.
• 외부 데이터 $ f \in C_c^\infty(W_1) $ 를 사용하여 도메인 $ W_2 \subset \Omega_e $ 에서의 제약을 측정함으로써 딜리클레-노이만(Dirichlet-to-Neumann, DN) 연산자를 정의한다.
• 룬게 근사성질을 활용해 $ \Omega $ 내에서 임의의 $ L^2 $ 함수를 근사하는 해를 구성함으로써 계수 차이의 점별 복원을 가능하게 한다.
• 분수 라플라스 연산자의 강한 유일성 성질을 적용하여 DN 연산자 차이가 0이면 비선형 항도 0임을 유도한다.
• 반복적 섭동 분석과 $ a(x,z) $ 의 멱급수 전개를 통해 $ \partial_z^k a(x,0) $ 의 고차 도함수를 순차적으로 복원한다.
• 최대원리(maximum principle)를 활용해 $ u^{(1)} \neq 0 $ 임을 보장함으로써, $ N $-번째 차수 방정식으로부터 $ \partial_z^N a(x,0) $ 를 점별로 식별할 수 있다.

실험 결과

연구 질문

• RQ1 지역적인 외부 측정값을 통해 미지의 비선형 계수 $ b(x) $, $ d(x,y) $, $ a(x,z) $ 가 유일하게 결정될 수 있는가?
• RQ2 분수 라플라스 연산자의 비국소성은 비선형 저항항을 포함한 역문제의 해법 가능성과 유일성에 어떻게 영향을 미치는가?
• RQ3 계수 $ b $, $ d $, $ a $ 에 대해 어떤 조건이 직접 문제의 잘 정의됨과 역문제의 유일성을 보장하는가?
• RQ4 방향성 성분 $ d(x,y) \cdot (x-y) $ 는 어느 정도까지 복원 가능하며, 이를 위해 어떤 구조적 가정이 필요한가?
• RQ5 고차항을 포함하는 경우에도 전체 비선형 포텐셜 $ a(x,z) $ 는 DN 맵 데이터로부터 재구성될 수 있는가?

주요 결과

• 소규모 외부 데이터 $ f \in C_c^\infty(W_1) $ 조건 하에서 직접 문제가 잘 정의되며, 적절한 함수 공간 내에서 해의 존재성과 유일성이 보장된다.
• 계수 $ b(x) $ 는 DN 맵 데이터로부터 유일하게 결정되며, 주어진 측정 조건 하에서 $ \Omega $ 내에서 $ b_1(x) = b_2(x) $ 임을 보장한다.
• 방향성 성분 $ d(x,y) \cdot (x-y) $ 는 유일하게 복원되며, 모든 $ (x,y) \in \Omega \times \Omega $ 에 대해 $ d_1(x,y) \cdot (x-y) = d_2(x,y) \cdot (x-y) $ 임을 보장한다.
• 전체 비선형 포텐셜 $ a(x,z) $ 는 $ \Omega \times \mathbb{R} $ 에서 유일하게 결정되며, $ a_1(x,z) = a_2(x,z) $ 임을 보장한다. 이는 0 근처에서의 타일러 계수를 순차적으로 복원함으로써 달성된다.
• 증명은 룬게 근사성질과 분수 라플라스 연산자의 강한 유일성에 기반하며, 이는 국소적인 외부 데이터로부터의 재구성 가능성을 보장한다.
• 재구성 과정에서 적분 가능성을 확보하기 위해, 각 고정된 $ x \in \Omega $ 에 대해 $ (d_1 - d_2)(x,y) |x-y|^{-n/2-t} \in L^2(\Omega) $ 라는 조건이 성립함을 가정한다.