[论文解读] Well-posedness and inverse problems for semilinear nonlocal wave equations

Yi‐Hsuan Lin, Teemu Tyni+1 more|arXiv (Cornell University)|Feb 8, 2024

Numerical methods in inverse problems被引用 1

一句话总结

本文建立了具有低正则性解的半线性非局部波动方程的适定性，并证明了从外部 Dirichlet-to-Neumann（DN）测量中唯一恢复非线性项与初始数据。利用分数阶拉普拉斯算子的唯一延拓性质（UCP）与 Runge 近似性质，本文表明 DN 映射可唯一确定齐次非线性项 f(x, τ)（次数为 r+1，其中 0 < r ≤ 1）与初始数据 (u₀, u₁)，即使在无可观测性估计的条件下亦成立——凸显了在任意维度 n ∈ ℕ 中，非局部性在波动方程反问题中的强大作用。

ABSTRACT

This article is devoted to forward and inverse problems associated with time-independent semilinear nonlocal wave equations. We first establish comprehensive well-posedness results for some semilinear nonlocal wave equations. The main challenge is due to the low regularity of the solutions of linear nonlocal wave equations. We then turn to an inverse problem of recovering the nonlinearity of the equation. More precisely, we show that the exterior Dirichlet-to-Neumann map uniquely determines homogeneous nonlinearities of the form $f(x,u)$ under certain growth conditions. On the other hand, we also prove that initial data can be determined by using passive measurements under certain nonlinearity conditions. The main tools used for the inverse problem are the unique continuation principle of the fractional Laplacian and a Runge approximation property. The results hold for any spatial dimension $n\in \N$.

研究动机与目标

• 建立由于分数阶拉普拉斯算子导致的低正则性解的半线性非局部波动方程的适定性。
• 解决从外部 Dirichlet-to-Neumann（DN）测量中恢复未知非线性项 f(x, u) 的反问题。
• 在非线性项未知的情况下，利用被动测量（即外部数据为零）唯一确定初始数据 (u₀, u₁)。
• 表明非局部性可消除对可观测性估计的需求，从而实现初始数据的恢复，这与局部波动方程情形不同。
• 将反问题技术——唯一延拓与 Runge 近似——推广至非线性非局部波动方程。

提出的方法

• 使用非整数 s > 0 的分数阶拉普拉斯算子 (−Δ)^s 来建模有界 Lipschitz 域 Ω ⊂ ℝⁿ 中的非局部波动动力学。
• 应用分数阶拉普拉斯算子的唯一延拓原理（UCP），将外部测量中解的消失性传播至域内部。
• 采用 Runge 近似性质，构造在 L²(ΩT) 中稠密的线性波动方程解，从而实现对非线性项的恢复。
• 利用 Nemytskii 算子的连续性，在满足增长条件的前提下，控制 L²(ΩT) 与 L²/(r+1)(ΩT) 中的非线性项 f(x, u)。
• 对小参数 ε 进行解的渐近展开：uε = εv + Rε，其中 v 满足线性波动方程，Rε 为余项。
• 利用 f(x, τ) 的齐次性以及当 ε → 0 时 Rε → 0 在 L²(ΩT) 中的收敛性，将反问题约化为线性解问题，随后应用 Runge 近似。

实验结果

研究问题

• RQ1 在半线性非局部波动方程中，能否从外部 Dirichlet-to-Neumann（DN）映射唯一恢复非线性项 f(x, u)？
• RQ2 当非线性项未知时，能否从被动测量（即外部数据 ϕ ≡ 0）中唯一确定初始数据 (u₀, u₁)？
• RQ3 非局部性是否可消除对可观测性估计的需求，从而实现初始数据的恢复，而无需依赖于局部波动方程中的此类估计？
• RQ4 在非线性项为 f(x, u) = a(x)u 的线性情形下，DN 映射能否唯一确定系数 a(x) 与初始数据 (u₀, u₁)？
• RQ5 唯一延拓与 Runge 近似相结合，是否足以恢复非局部双曲方程中的非线性项？

主要发现

• 在假设 3.4 中给出的增长性与非负性条件下，DN 映射可唯一确定方程 ∂²ₜu + (−Δ)ˢu + f(x, u) = 0 中的齐次非线性项 f(x, τ)（次数为 r+1，其中 0 < r ≤ 1）。
• 即使在未知非线性项的情况下，初始数据 (u₀, u₁) 也可通过 DN 映射从被动测量（即 ϕ ≡ 0）中唯一恢复，这得益于 UCP 与非局部结构。
• 初始数据的恢复不依赖可观测性估计，这是相较于局部波动方程（通常需要此类估计）的一项关键优势。
• 在 f(x, u) = a(x)u 的线性情形下，若 a(x) ∈ Lᵖ(Ω) 或 L∞(Ω) 且 p 满足 (3.10) 式，则系数 a(x) 与初始数据 (u₀, u₁) 均可由 DN 映射唯一确定。
• 该证明避免了局部反问题中常见的高阶线性化技术；相反，它仅使用一次线性化与 Runge 近似，从而充分发挥了非局部性的优势。
• 结果适用于任意空间维度 n ∈ ℕ，对 n 无任何限制，且对任意有限时间域 T > 0 均成立。