[论文解读] Recovery of a potential in a fractional diffusion equation

William Rundell, Masahiro Yamamoto|arXiv (Cornell University)|Nov 14, 2018

Fractional Differential Equations Solutions参考文献 11被引用 8

一句话总结

本文通过侧向边界通量数据，建立了在时间分数阶扩散方程中恢复势函数 $ q(x) $ 的唯一性与稳定性结果。通过解析延拓与线性化，将问题转化为谱反向Sturm-Liouville问题，作者表明该反问题严重病态，且病态性随 $ \alpha $ 减小而加剧；尽管如此，由于Mittag-Leffler函数衰减更慢，分数阶扩散在长时间尺度下的恢复性能优于经典扩散。

ABSTRACT

We consider the determination of an unknown potential $q(x)$ form a fractional diffusion equation subject to overposed lateral boundary data. We show that this data allows recovery of two spectral sequences for the associated inverse Sturm-Liouville problem and these are sufficient to apply standard uniqueness results for this case. We also look at reconstruction methods and in particular examine the issue of stability of the solution with respect to the data. The outcome shows the inverse problem to be severely ill-conditioned and we consider the differences between the cases of fractional and of classical diffusion.

研究动机与目标

• 通过侧向边界通量数据，建立时间分数阶扩散方程中势函数 $ q(x) $ 的唯一性。
• 分析反问题的条件性，并与经典抛物情形（$ \alpha = 1 $）的病态性进行比较。
• 研究分数阶扩散模型在反系数问题中是否提供更优的稳定性或恢复特性。
• 开发并比较基于谱序列恢复与线性化映射反演的重构方法。
• 量化采样率与测量时间对反问题条件数的影响。

提出的方法

• 通过令 $ v(x,t) = u(x,t) - a(t) $，将非齐次问题转化为齐次问题，得到含源项 $ f(x,t) $ 的修正分数阶PDE。
• 对 $ t > T $ 的通量数据 $ b(t) $ 应用解析延拓，以恢复与Sturm-Liouville算子 $ \mathcal{L}u = -u_{xx} + qu $ 相关的谱序列 $ \{ \lambda_j \} $ 与 $ \{ \gamma_j \} $。
• 利用恢复的谱数据，通过已知的反Sturm-Liouville问题唯一性结果重构 $ q(x) $。
• 对从 $ q(x) $ 到通量数据 $ b(t) $ 的前向映射进行线性化，并通过奇异值分解分析所得线性反问题。
• 利用Mittag-Leffler函数 $ E_{\alpha,\beta}(z) $ 描述解的时间域行为，并分析影响病态性的衰减特性。
• 比较不同 $ \alpha \in (0,1] $ 下线性化映射的奇异值衰减，表明 $ \alpha = 1 $ 时奇异值呈指数衰减，而 $ \alpha < 1 $ 时呈较慢的多项式衰减。

实验结果

研究问题

• RQ1 在给定 $ u_x(0,t) = a(t) $ 与零初始条件的前提下，能否从侧向边界通量数据 $ u_x(1,t) = b(t) $ 唯一恢复时间分数阶扩散方程中的势函数 $ q(x) $？
• RQ2 反问题的病态性如何依赖于分数阶阶数 $ \alpha $，并与经典抛物情形（$ \alpha = 1 $）进行比较？
• RQ3 当 $ \alpha < 1 $ 时，Mittag-Leffler函数衰减更慢，是否能改善长时间尺度下解的稳定性或可恢复性，相较于经典情形的指数衰减？
• RQ4 采样率与测量窗口（如立即测量与延迟测量）在反问题条件性中起什么作用？
• RQ5 反问题是否能通过谱序列恢复或线性化映射反演有效重构，其实际限制是什么？

主要发现

• 从侧向通量数据恢复 $ q(x) $ 的反问题具有唯一解，因为数据允许恢复关联Sturm-Liouville算子的两组谱序列。
• 对于所有 $ \alpha \in (0,1] $，该反问题均严重病态，且随着 $ \alpha $ 减小，病态性加剧，原因在于小参数下Mittag-Leffler函数衰减更快。
• 当 $ \alpha = 1 $ 时，奇异值呈指数衰减，导致对噪声与测量误差高度敏感，尤其在采样有限时。
• 当 $ \alpha < 1 $ 时，Mittag-Leffler函数对大负参数呈多项式衰减，使大时间下保留更大的奇异值，因此长时间测量比经典情形更具价值。
• 当测量延迟（如在 $[1.5T, 3T]$ 区间）时，$ \alpha = 1 $ 情形下可恢复的特征模态数量显著下降，而 $ \alpha < 1 $ 情形仍具可行性，例如 $ \alpha = 3/4 $ 时前三个奇异值超过 $ 10^{-7} $。
• 尽管 $ \alpha < 1 $ 时长时间稳定性更优，但奇异值仍过小（例如 $ \alpha = 3/4 $ 时约为 $ 10^{-7.5} $），导致无正则化无法实现实际重构。