[논문 리뷰] Non-Markovian Reduced Systems for Stochastic Partial Differential Equations: The Additive Noise Case

Mickaël D. Chekroun, Honghu Liu외 1명|arXiv (Cornell University)|2013. 11. 13.

Probabilistic and Robust Engineering Design참고 문헌 18인용 수 4

한 줄 요약

이 논문은 추가된 노이즈가 있는 스토하스틱 PDE에 대한 비마르코프 모델 감소 프레임워크를 제안하며, 후방-전방 시스템을 통해 유도된 스토하스틱 파라미터화 다각형(_PM_)을 사용하여, 해결된 대규모 모드의 시간 이력을 통해 해상되지 않은 소규모 동역학을 근사한다. 이 방법은 지수적으로 감쇠하는 상관관계를 갖는 랜덤 계수를 통해 기억 효과를 통합함으로써, 노이즈 유도 전이 및 이중성 행동과 같은 스토하스틱 PDE 동역학의 고정밀 모델링을 달성한다. 이는 스토하스틱 버거스 방정식에서 입증되었다.

ABSTRACT

This article proposes for stochastic partial differential equations (SPDEs) driven by additive noise, a novel approach for the approximate parameterizations of the ``small'' scales by the ``large'' ones, along with the derivaton of the corresponding reduced systems. This is accomplished by seeking for stochastic parameterizing manifolds (PMs) introduced in a previous work by the authors(*), which are random manifolds aiming to provide --- in a mean square sense --- such approximate parameterizations. Backward-forward systems are designed to give access to such PMs as pullback limits depending through the nonlinear terms on the time-history of the dynamics of the low modes when the latter is simply approximated by its stochastic linear component. It is shown that the corresponding pullback limits can be efficiently determined, leading in turn to an operational procedure for the derivation of non-Markovian reduced systems able to achieve good modeling performances in practice. This is illustrated on a stochastic Burgers-type equation, where it is shown that the corresponding non-Markovian features of these reduced systems play a key role to reach such performances.

연구 동기 및 목표

• 고전적 스펙트럼 갭 조건이 실패할 경우에도 추가 노이즈에 의해 구동되는 스토하스틱 PDE에 대한 효과적인 모델 감소 전략을 개발하기 위해.
• 해결된 대규모 모드의 시간 이력만을 사용하여 해상되지 않은 소규모 동역학을 파라미터화하는 데 도전하기 위해.
• 비마르코프 감소 시스템을 구성하여 비선형 상호작용으로부터 유도된 랜덤 계수를 통해 기억 효과를 유지하기 위해.
• 이 방법이 노이즈 유도 전이 및 이중성 행동과 같은 복잡한 통계적 특징을 재현할 수 있음을 입증하기 위해.
• 강한 스펙트럼 갭 조건이나 관성 다각형 가정을 필요로 하지 않는 운영 가능한 절차를 제공하기 위해.

제안 방법

• 이 방법은 해결된 모드의 과거에 따라 해상되지 않은 모드가 의존하는 비선형 항을 통해, 후방-전방 시스템의 피드백 극한으로서 스토하스틱 파라미터화 다각형(_PM_)을 구성한다.
• 해결된 동역학은 그들의 스토하스틱 선형 성분으로 근사되며, 이는 통합을 단순화하면서도 대규모에서 소규모 스케일로의 피드백을 유지한다.
• _PM_는 두 단계 과정을 통해 유도된다: 해결된 모드 궤적에 조건부로 해상되지 않은 모드를 위한 후방 방정식을 풀고, 이후 전방 통합을 통해 전체 시스템을 확보한다.
• 감소된 SDE에 나타나는 랜덤 계수는 저모드 간 비선형 상호작용에서 기인하며, 상관관계의 지수 감쇠를 통해 기억 효과를 인코딩한다.
• 기억 구조는 공진 조건이 아닌 조건에 의해 지배되며, 이는 고전적 관성 다각형 이론보다 더 약한 가정 하에서도_PM_를 결정할 수 있도록 한다.
• 이 방법은 두 개의 해결된 모드만을 사용하여, 빨간 노이즈와 비선형 기억 과정의 조합을 통해 고차 모드를 모델링함으로써, 스토하스틱 버거스 유형 방정식에서 수치적으로 검증되었다.

실험 결과

연구 질문

• RQ1 고전적 스펙트럼 갭 조건이 성립하지 않을 경우, 추가 노이즈가 있는 SPDE에 대해 비마르코프 감소 시스템을 효과적으로 유도할 수 있는가?
• RQ2 해결된 대규모 모드의 시간 이력만을 사용하여 해상되지 않은 소규모 동역학을 정확하게 파라미터화할 수 있는가?
• RQ3 지수적으로 감쇠하는 상관관계를 갖는 랜덤 계수에 의해 인코딩된 기억 효과는 노이즈 유도 전이와 같은 복잡한 통계적 특징을 포착하는 데 어떤 역할을 하는가?
• RQ4 기억 효과를 포함한 이중 모드 감소 시스템은 전체 SPDE의 거시적 시공간 변동을 어느 정도 재현할 수 있는가?
• RQ5 비마르코프 시스템은 이중성 행동과 희귀 전이를 포착하는 데 있어 평균화된(마르코프) 대비에서 성능이 어떻게 뛰어나게 되는가?

주요 결과

• 기억 효과를 포함한 비마르코프 감소 시스템은 그림 2에서 보듯이, 전체 SPDE가 이중성 행동을 보일 때조차도 거시적 시공간 변동을 효과적으로 재현한다.
• 시간 평균을 취한 파라미터화 결함은 크게 감소하였으며, 이는_PM_가 해상되지 않은 모드를 해결된 모드로 효과적인 평균 제곱 근사로 제공한다는 것을 시사한다.
• 노이즈 유도 전이가 비마르코프 시스템에 의해 잘 포착되지만, 평균화된(마르코프) 버전은 이러한 전이를 정확히 재현하지 못한다.
• 저모드의 비선형 상호작용에서 기인한 랜덤 계수에 포함된 기억 효과는 특히 해상되지 않은 분산이 높은 영역에서 소규모 스케일의 노이즈 유도 진동을 모델링하는 데 필수적이다.
• 모드 5~10의 해상되지 않은 분산 비율(표기: $\mathfrak{f}_{5}^{10}$)이 커질수록 모델 성능이 악화되며, 이는 계층적 기억 구조를 가진 고차원_PM_의 필요성을 시사한다.
• 해상되지 않은 분산이 우세하지 않으며 비선형 기억 과정이 노이즈 구동 동역학을 적절히 포착할 경우, 단 두 개의 해결된 모드만으로도 이 방법은 효과를 유지한다.