[論文レビュー] The local backward heat problem

Thi Minh Nhat Vo|arXiv (Cornell University)|Apr 18, 2017

Numerical methods in inverse problems被引用数 6

ひとこと要約

本稿は、ディリクレ境界条件の下で時刻に依存する係数を有する線形熱方程式の局所的後向き熱問題を扱い、Seidmanの最適フィルタリングと可制御性推定を組み合わせた正則化法を提案する。初期データが $ H_0^1( abla) $ に属するという事前境界のもとで、$ \|u(\cdot,0) - g\|_{L^2(\Omega)} \leq \frac{C e^{C/T} \sqrt{T} \|u(\cdot,0)\|_{H_0^1(\Omega)}}{\sqrt{\ln(\|u(\cdot,0)\|_{L^2(\Omega)}/\delta)}} $ の形の対数的収束率を確立する。ここで $ \delta $ はノイズレベルである。

ABSTRACT

In this paper, we study the local backward problem of a linear heat equation with time-dependent coefficients under the Dirichlet boundary condition. Precisely, we recover the initial data from the observation on a subdomain at some later time. Thanks to the "optimal filtering" method of Seidman, we can solve the global backward problem, which determines the solution at initial time from the known data on the whole domain. Then, by using a result of controllability at one point of time, we can connect local and global backward problem.

研究の動機と目的

• 後続時刻における部分領域でのノイズ混じり測定値から初期温度分布を回復すること。
• 全領域データが入手不可能な場合に生じる後向き熱問題の悪条件性に対処すること。
• 可制御性の議論を用いて、Seidmanのグローバル後向き正則化法を局所的状況に拡張すること。
• ノイズレベル $ \delta $ と初期データの正則性に応じた正則化解の収束率推定を導出すること。
• 誤差推定が $ \delta $ に対して対数的に依存することを示し、ノイズデータ下での安定性を示すこと。

提案手法

• 全領域観測に基づき $ t>0 $ 時刻での解を再構成する、Seidmanの最適フィルタリング法を用いてグローバル後向き問題を解く。
• 時間 $ T $ における一点での可制御性結果を用い、$ \omega \subset \Omega $ における局所的観測データを時間 $ T $ でのグローバル解に結びつける。
• 観測推定を用いて、時間 $ T $ における解の $ L^2(\Omega) $-ノルムを部分領域での $ L^2(\omega) $-ノルムで上から抑える。
• 楕円型作用素 $ -\Delta $ の固有関数 $ \{e_i\} $ と固有値 $ \{\lambda_i\} $ を用いたスペクトル分解により、正則化作用素を構成する。
• スペクトルの減衰と観測ノイズレベルに依存するフィルタ関数 $ \mathbf{F}(t) $ を導入し、逆問題における安定性と精度のバランスを図る。
• グローバル後向き推定と局所的観測推定を組み合わせ、$ \ln(\|u(\cdot,0)\|_{L^2}/\delta) $ を含む最終的な誤差境界を導出する。

実験結果

リサーチクエスチョン

• RQ1 Seidmanの最適フィルタリング法は、時刻に依存する係数を有する局所的後向き熱問題に適応可能か？
• RQ2 全領域データが入手不可能な状況で、部分領域 $ \omega $ における局所的観測をどのようにして初期データの再構成に利用できるか？
• RQ3 初期データが $ H_0^1(\Omega) $ に属するという条件下で、局所的後向き問題に達成可能な最良の収束率は何か？
• RQ4 時間 $ T $ における熱方程式の可制御性は、局所的観測からグローバルなデータ再構成へと移行するのをどのように可能にするか？
• RQ5 誤差推定はノイズレベル $ \delta $ と領域の幾何構造にどのように依存するか？

主な発見

• 本稿は、対数的収束率を確立した：$ \|u(\cdot,0) - g\|_{L^2(\Omega)} \leq \frac{C e^{C/T} \sqrt{T} \|u(\cdot,0)\|_{H_0^1(\Omega)}}{\sqrt{\ln(\|u(\cdot,0)\|_{L^2(\Omega)}/\delta)}} $、ここで $ C $ は $ \Omega $、$ \omega $、および $ p(t) $ に依存する。
• 誤差境界は、$ u(\cdot,0) \in H_0^1(\Omega) $ という事前仮定のもとで導出されており、再構成に十分な正則性を保証する。
• 局所的測定とグローバル再構成の間のギャップを埋めるために、観測推定と可制御性の組み合わせに依存する。
• 収束率は、逆問題における正則化法の最悪ケース誤差に対して達成可能な最良のものと一致しており、最適性が保証される。
• 時間に依存する係数 $ p(t) $ がゼロおよび無限大から離れている場合、および境界が $ C^2 $ 級である領域に対して、結果は成り立つ。
• 最終的な誤差推定はスペクトルギャップに依存せず、領域 $ \Omega $、$ \omega $、および係数 $ p(t) $ の幾何構造にのみ依存する。