[论文解读] Semilinear elliptic eigenvalue problem: Parametric analyticity and the uncertainty quantification

Byeong-Ho Bahn|arXiv (Cornell University)|Aug 6, 2023

Probabilistic and Robust Engineering DesignDecision Sciences被引用 3

一句话总结

本文建立了具有仿射参数系数和幂次非线性项的半线性椭圆特征值问题中基态特征对的参数解析性及混合导数界。通过证明当 $\bm{\beta} \in \ell^q$ 且 $q \in (0,1]$ 时，特征对的泰勒系数衰减足够快，本文推导出不确定性量化中随机平移准蒙特卡洛方法的维数无关收敛速率，从而实现与维数无关的期望估计误差界。

ABSTRACT

In this paper, to the best of our knowledge, we make the first attempt at studying the parametric semilinear elliptic eigenvalue problems with the parametric coefficient and some power-type nonlinearities. The parametric coefficient is assumed to have an affine dependence on the countably many parameters with an appropriate class of sequences of functions. In this paper, we obtain the upper bound estimation for the mixed derivatives of the ground eigenpairs that has the same form obtained recently for the linear eigenvalue problem. The three most essential ingredients for this estimation are the parametric analyticity of the ground eigenpairs, the uniform boundedness of the ground eigenpairs, and the uniform positive differences between ground eigenvalues of linear operators. All these three ingredients need new techniques and a careful investigation of the nonlinear eigenvalue problem that will be presented in this paper. As an application, considering each parameter as a uniformly distributed random variable, we estimate the expectation of the eigenpairs using a randomly shifted quasi-Monte Carlo lattice rule and show the dimension-independent error bound.

研究动机与目标

• 研究具有仿射参数系数的半线性椭圆特征值问题中基态特征对的参数解析性与正则性。
• 推导特征对混合导数的上界，其形式与线性特征值问题中的结果一致。
• 在参数变化下，建立线性化算子基态特征值的统一有界性与正的谱隙。
• 将上述结果应用于使用随机平移准蒙特卡洛方法的不确定性量化。
• 证明当参数服从均匀分布时，特征对期望的误差界与维数无关。

提出的方法

• 利用半线性算子结构，推导出参数空间 $\bm{y} \in [-1/2, 1/2]^\mathbb{N}$ 中特征对的参数解析性。
• 建立基态特征对的统一有界性以及线性化算子第一与第二特征值之间谱隙的正下界。
• 应用下降阶乘技巧，从导数界中去除 $\varepsilon > 0$，获得形如 $C(|\bm{\nu}|!)^{1+\varepsilon}\bm{\beta}^{\bm{\nu}}$ 的精确衰减估计。
• 采用非锚定 $\ell^2$-型范数与加权函数空间，控制参数域中混合导数的增长。
• 利用系数序列 $\bm{\beta}$ 的 $\ell^r$-可求和性（$r \in (0,1]$）推导随机平移准蒙特卡洛规则的误差界。
• 构造权序列 $\gamma_{\bm{u}}$，确保误差界中 $C_{\theta,s}$ 常数与参数数量 $s$ 无关。

实验结果

研究问题

• RQ1 对于具有仿射参数系数和幂次非线性项的半线性椭圆特征值问题，能否建立基态特征对的参数解析性？
• RQ2 特征对分量在参数域中的混合导数的精确衰减速率是什么？
• RQ3 在不确定性量化中，能否为这类特征值问题的准蒙特卡洛方法实现维数无关的收敛速率？
• RQ4 参数 $\bm{\beta} \in \ell^q$ 的选择如何影响 QMC 近似收敛速率？
• RQ5 参数系数需满足何种条件，才能保证线性化算子的统一有界性与谱隙？

主要发现

• 基态特征对的混合导数满足上界 $C(|\bm{\nu}|!)^{1+\varepsilon}\bm{\beta}^{\bm{\nu}}$，通过下降阶乘技巧去除了 $\varepsilon > 0$，获得精确衰减。
• 特征对在参数域中保持统一有界，且第一与第二特征值之间的谱隙始终远离零。
• 当 $\bm{\beta} \in \ell^q$ 且 $q \in (0,1]$ 时，随机平移准蒙特卡洛规则的误差界为 $C \varphi(N)^{-(1/2\theta)}$，其中 $\theta \in [q/(2-q), 1)$，实现维数无关收敛。
• 当 $q=1$ 时，取 $\theta=1$，在 $\sum_{j \geq 1} \beta_j < \sqrt{6}$ 条件下，$C_{1,s}$ 有界，收敛速率可达 $C \varphi(N)^{-1}$。
• 通过选择 $\theta$ 满足 $\theta \geq q/(2-q)$，误差率可达到 $C \varphi(N)^{-(1/2\theta)}$，当 $q \in (2/3, 1)$ 时，最优速率可达 $C \varphi(N)^{-(1/q - 1/2)}$。
• 权序列 $\gamma_{\bm{u}}$ 的构造确保误差界中的 $C_{\theta,s}$ 项与参数数 $s$ 无关，从而实现维数无关分析。