Consistent CutPINNs for Elliptic PDEs on Curved Level-Set Domains

ملخص تقني: شبكات PINN المقطوعة المتسقة للمعادلات التفاضلية الإهليلجية على نطاقات المستوى-المنظم المنحنية

بيان المشكلة
تقدم الشبكات العصبية المستوحاة من الفيزياء (PINNs) نهجاً لا يعتمد على الشبكة لحل المعادلات التفاضلية الجزئية، مما يجعلها ملائمة طبيعياً للنطاقات المعرفة ضمنياً بواسطة دالات المستوى-المنظم (level-set functions). ومع ذلك، تعاني صياغات PINN القياسية من عدم اتساق نظري عند تطبيقها على المسائل الإهليلجية من الدرجة الثانية. حيث تقوم دالة الخسارة القياسية بمعاقبة عدم التطابق عند الحدود في معيار $L^2(\partial\Omega)$. وبينما يتم التحكم في جودة المسائل الإهليلجية عبر معيار الطاقة $H^1(\Omega)$، فإن التقديرات القبلية ذات الصلة تتطلب التحكم في بقايا الحدود في فضاء سوبوليف الكسري $H^{1/2}(\partial\Omega)$. وبما أن الاحتواء $H^{1/2}(\partial\Omega) \subset L^2(\partial\Omega)$ هو احتواء صارم، فإن تقليل معيار $L^2$ للحدود لا يضمن بالضرورة تقليل خطأ $H^1$. هذا التباين يسمح بوجود تذبذبات عالية التردد تتلاشى عند نقاط التجميع ولكنها تمتلك معايير شبه (seminorms) كبيرة لـ $H^{1/2}$، مما يؤدي إلى معدلات تقارب ضعيفة وعدم استقرار، لا سيما في تكوينات "الخلايا المقطوعة" (cut-cell) حيث يتقاطع حد النطاق مع شبكة أخذ العينات.

لقد عالج العمل السابق من قبل Bonito وآخرون [4] ذلك عبر إدخال دالات خسارة "متسقة" تقرب معيار $H^{1/2}(\partial\Omega)$ عبر بديل منفصل. ومع ذلك، يعتمد بناؤهم على تفكيك "كون-توكر" (Kuhn–Tucker) السيمبليسيال للوجوه الحدودية المسطحة (تحديداً على مكعب الوحدة) والبنية الأفينية لتلك الوجوه. وهذا النهج لا يمكن تعميمه على الحدود المنحنية والملساء المعرفة بواسطة دالات المستوى-المنظم، مما يترك فجوة في التطبيق النظري والعملي لشبكات PIN المتسقة على النطاقات المنحنية العامة.

المنهجية
يقترح البحث إطار عمل Consistent CutPINN، المصمم خصيصاً للنطاقات ثنائية الأبعاد المحدودة $\Omega = \{x \in \mathbb{R}^2 : \phi(x) < 0\}$ حيث $\phi$ هي دالة مستوى-منظم من الفئة $C^2$. وتتضمن المنهجية الجوهرية بناء بديل منفصل لمعيار $H^{1/2}(\partial\Omega)$ مباشرة من نقاط التجميع على الحدود المنحنية، دون الحاجة إلى شبكة عناصر محدودة (finite element mesh) أو تفكيك سيمبليسيالي.

1. بناء المعيار المنفصل: عرّف المؤلفون معيار $H^{1/2}$ منفصلاً باستخدام تقريب المجموع المزدوج لـ "معيار غالياردو" (Gagliardo seminorm) الجوهري فوق نقاط التجميع $Z = \{z_1, \dots, z_m\} \subset \partial\Omega$. ويستخدم النواة المسافة الإقليدية المحيطة $|z - z'|$ بدلاً من مسافة طول القوس.
2. الأساس النظري: يعتمد إطار العمل على تمهيدية الوتر-القوس (Lemma 1)، والتي تثبت أنه بالنسبة لمنحنى من الفئة $C^2$، فإن مسافة الوتر الإقليدية تكون قابلة للمقارنة مع مسافة طول القوس. هذا التكافؤ يسمح للمؤلفين بإثبات تكافؤ معيار ثنائي الاتجاه (Theorem 3) بين البديل المنفصل ومعيار الأثر المستمر $H^{1/2}(\partial\Omega)$، بشرط أن تكون نقاط الحدود متساوية المسافات في طول القوس (أو شبه منتظمة).
3. دالات الخسارة: تم تعريف دالتين للخسارة المتسقة:
   • $L^*_{sq,2}$: تستخدم بقايا الداخل $L^2$ ومعيار الحد $H^{1/2}$ المنفصل الجديد.
   • $L^*_{sq,\gamma}$: تستخدم بقايا داخل $L^\gamma$ (حيث $\gamma \to 1$) لتقريب معيار $H^{-1}$ بشكل أفضل، مدمجة مع حد الحد $H^{1/2}$ المنفصل.
4. الاستعادة المثلى: تم تحليل إطار العمل ضمن نظرية الاستعادة المثلى تحت افتراضات انتظام "بيزوف" (Besov). واستنتج المؤلفون حداً قبلياً لخطأ $H^1$ (Theorem 7) يوضح أن تقليل الخسارة المتسقة يتحكم في خطأ $H^1$ عند معدل الاستعادة المثلى.

المساهمات الرئيسية

• التوسع إلى النطاقات المنحنية: جسر البحث الفجوة بين دالات الخسارة المتسقة ونطاقات المستوى-المنظم المنحنية والمحددة ضمنياً. وقد أثبتوا أن معيار $H^{1/2}$ المنفصل المبني من المسافات الإقليدية هو مكافئ معيارياً لمعيار الأثر المستمر على منحنيات $C^2$، مما يلغي الاعتماد على التفكيك السيمبليسيالي للوجوه المسطحة.
• حدود الخطأ القبلية: وضع المؤلفون حداً قبلياً صارماً لخطأ $H^1$ لإطار عمل Consistent CutPINN. يعتمد هذا الحد على أقصى انحناء للحد عبر ثابت الوتر-القوس، ويحقق معدلات تقارب مثلى تحت انتظام بيزوف.
• المتانة تجاه تكوينات الخلايا المقطوعة: أظهر التحليل النظري والتجارب العددية أن الخسارة المتسقة أكثر متانة بشكل ملحوظ تجاه موقع النطاق بالنسبة لنقاط أخذ العينات مقارنة بـ PINs القياسية.
• المتانة الاحتمالية: يتضمن البحث تحليلاً احتمالياً (Proposition 4) يوضح أن المعيار شبه المنفصل يتركز حول متوسطه حتى في ظل أخذ عينات مونت كارلو المستقلة والمتماثلة (i.i.d.) للحدود، مما يشير إلى أن فعالية الطريقة تمتد إلى ما وراء أخذ العينات متساوي المسافات بدقة.

النتائج
أُجريت تجارب عددية على قرص (محدب) ونطاق زهرة غير محدب (بتمثل تناظر خماسي) باستخدام حلول مصنعة.

• الدقة: تفوقت الخسارة المتسقة $L^*_{sq,2}$ باستمرار على خسارة PIN القياسية ($L_{sq,1}$). في القرص، حققت خطأ $H^1$ أقل بمقدار 4.9 مرة عند الدقة العالية؛ وفي نطاق الزهرة، وصل عامل التحسن إلى 8.1 مرة.
• معدلات التقارب: استقرت الخسارة القياسية عند مستوى خطأ دون الأمثل (ميل $\approx -0.31$) لأن حد $L^2$ للحدود فشل في التحكم في أثر $H^{1/2}$. في المقابل، حققت الخسارة المتسقة $L^*_{sq,2}$ الميل الأمثل المتوقع للتقارب $\approx -0.49$ (مطابق لـ $-0.50$ نظرياً).
• الاستقرار: في تجربة "القرص المتحرك" حيث تم إزاحة مركز النطاق 121 مرة، أظهرت الخسارة القياسية تبايناً عالياً وانفجارات عرضية في الخطأ (spikes). بينما قللت الخسرة المتسقة $L^*_{sq,2}$ من الانحراف المعياري للخطأ بمقدار 26 ضعفاً وظلت مستقرة في 120 حالة من أصل 121.
• أخذ العينات غير المنتظم: حتى عندما تم أخذ نقاط الحدود عبر عينات مونت كارلو (i.i.d.) (مما ينتهك افتراض تساوي المسافات الأساسي في مبرهنتهم الرئيسية)، لا تزال الخسارة المتسقة تقلل من خطأ $H^1$ بمقدار 3.9 مرة مقارنة بالخسارة القياسية.

الأهمية
يزعم البحث أن Consistent CutPINN يوفر أول إطار عمل يجمع بين دالات الخسارة المتسقة والنطاقات المنحنية المحددة ضمنياً. ومن خلال إثبات أن بديل $H^{1/2}$ المنفصل المبني من المسافات الإقليدية يكافئ معيارياً الأثر المستمر على منحنيات $C^2$، فإن هذا العمل يثبت صلاحية استخدام الخسائر المتسقة في البيئات التي لا تعتمد على الشبكة (mesh-free) للهندسات المعقدة. وتظهر النتائج أن معالجة عدم التطابق في المعيار داخل دالة الخسارة أمر بالغ الأهمية لتحقيق معدلات التقارب المثلى والمتانة، خاصة عندما يظهر الحل طبقات حدودية أو تذبذبات عالية التردد. ويشير المؤلفون إلى أن تحليلهم الحالي يقتصر على $d=2$ بسبب الاعتماد على بارامتريّة طول القوس العالمية لتمهيدية الوتر-القوس، تاركين التوسع إلى 3D والنطاقات ذات الزوايا كعمل مستقبلي.