Neural network-enhanced $hr$-adaptive finite element algorithm for parabolic equations

Resumen Técnico: Algoritmo de Elementos Finitos con Adaptación $hr$ Mejorado por Redes Neuronales para Ecuaciones Parabólicas

Planteamiento del Problema
El artículo aborda los desafíos computacionales inherentes a la aplicación de métodos de elementos finitos adaptativos (AFEM) a ecuaciones parabólicas dependientes del tiempo, particularmente aquellas que exhiben singularidades móviles o características multiescala. Aunque los métodos $hr$-adaptativos (que combinan el refinamiento de la malla $h$ y el movimiento de nodos $r$) ofrecen ventajas teóricas, su implementación práctica para problemas parabólicos sufre tres cuellos de botella principales:

1. Refinamiento Ineficiente: Las estrategias $h$-adaptativas convencionales a menudo requieren un exceso de iteraciones (30–40) por paso de tiempo para lograr la convergencia debido a la bisección capa por capa.
2. Desafíos de Interpolación: La transferencia de la solución de un paso de tiempo anterior a una malla recién refinada y no anidada requiere algoritmos de localización de puntos y operadores de interpolación ($\Pi_h^n$) complejos y computacionalmente costosos.
3. Inicialización Redundante: Los enfoques estándar heredan la malla altamente refinada del paso de tiempo anterior como punto de partida para el siguiente, lo que conduce a un número inflado de grados de libertad (DOF) y requiere un paso de coalescencia (coarsening) separado e intrincado para reducir el costo computacional.

Metodología
Los autores proponen un novedoso Algoritmo de Elementos Finitos con Adaptación $hr$ Mejorado por Redes Neuronales diseñado para superar estas limitaciones mediante tres mecanismos integrados:

1. Surrogado Libre de Malla vía Redes Neuronales (Reemplazo de la Interpolación):
   En lugar de realizar una interpolación geométrica entre mallas no anidadas, el método emplea una red neuronal (NN) para construir un surrogado continuo y libre de malla de la solución de elementos finitos del paso de tiempo anterior ($u_{h}^{n-1}$).

   • La NN se entrena con los vértices y los valores de la solución de la malla anterior.
   • Para imponer estrictamente las condiciones de contorno de Dirichlet, el surrogado se construye como $u_{\theta}^{n-1}(x) = d(x)u_{\theta}(x) + \tilde{g}(x, t_{n-1})$, donde $d(x)$ se anula en la frontera y $\tilde{g}$ extiende los datos de contorno.
   • Estrategia de Arranque en Caliente (Warm-Start): Los parámetros de la NN se inicializan utilizando el minimizador convergente del paso de tiempo anterior, lo que requiere solo un ajuste fino breve (pocos épocas) en lugar de un reentrenamiento completo en cada paso.
   • Este surrogado reemplaza el operador de interpolación en el esquema totalmente discreto, permitiendo la evaluación directa de la función en cualquier punto espacial de la nueva malla.

2. Generación de Malla Controlada ($h$-Adaptividad):
   El algoritmo utiliza la librería Gmsh para generar mallas basadas en un campo de tamaño de malla (SIZE) definido por el usuario.

   • Se computa un campo de tamaño de malla a partir de estimadores de error locales, apuntando a una alta densidad en regiones de alto error.
   • A diferencia de la bisección estándar, este enfoque permite la generación de mallas no anidadas y no estructuradas que pueden aumentar drásticamente la resolución en un solo paso.

3. Estrategia de Iteración Predictiva ($r$-Adaptividad y Control de Bucle):
   El algoritmo limita el bucle adaptativo a un máximo de siete iteraciones por paso de tiempo a través de un flujo de trabajo predictivo:

   • Iteraciones 1–2: Fase de "arranque" para estabilizar la solución.
   • Iteraciones 3–5: Recolección de datos para ajustar un modelo de ley de potencia ($\eta_h \approx cN^{-p}$) que relaciona el estimador de error con el número de vértices (NOV).
   • Iteración 6: El modelo ajustado predice el NOV requerido para cumplir con la tolerancia. Se genera una nueva malla para coincidir con este objetivo.
   • Iteración 7: Un paso de verificación final asegura que se cumpla la tolerancia prescrita.
   • Estimador de Error Combinado: El indicador de error incorpora información tanto de la solución actual ($u_h^n$) como del de la solución anterior mediante el la NN ($u_{\theta}^{n-1}$) para guiar la generación de la malla de manera efectiva.

Contribuciones Clave

• Eliminación de los Costos de Interpolación: Al reemplazar el operador de interpolación dependiente de la malla con un surrogado de red neuronal libre de malla, el método evita la complejidad algorítmica y el costo computacional de transferir datos entre mallas no anidadas.
• Reducción Drástica de Iteraciones: La estrategia de generación de malla predictiva reduce las iteraciones adaptativas por paso de tiempo de las típicas 30–40 a un máximo de 7.
• Reinicio Eficiente de la Malla: El método reinicializa la malla a un estado grueso y uniforme al comienzo de cada paso de tiempo (en lugar de heredar la malla refinada), evitando la necesidad de un paso de coalescencia separado y previniendo la acumulación de DOF innecesarios.
• Agnosticismo Dimensional: El marco está diseñado para ser agnóstico a la dimensión, demostrado por su aplicación exitosa tanto en 2D como en 3D sin cambios estructurales en el algoritmo.

Resultados Numéricos
El artículo valida el algoritmo mediante extensos experimentos numéricos en ecuaciones parabólicas con singularidades móviles (rotación, difusión y división) en 2D y 3D, así como en ecuaciones de Allen–Cahn no lineales y problemas en dominios en forma de L.

• Eficiencia: El método propuesto alcanza la precisión deseada en no más de siete iteraciones de adaptación espacial por paso de tiempo.
• Sobrecarga de Entrenamiento: Aunque el primer paso de tiempo requiere un entrenamiento significativo (e.g., ~2000 épocas), los pasos subsiguientes requieren un ajuste fino mínimo (<100 épocas), aprovechando la estrategia de arranque en caliente.
• Ganancias de Desempeño: Las comparaciones con métodos $h$-adaptativos convencionales muestran una reducción sustancial en el tiempo total de ejecución de la CPU (por ejemplo, reduciendo de 818s a 132s en un ejemplo de rotación 2D) y una reducción significativa en el número total de grados de libertad a lo largo de la simulación.
• Precisión: El método captura con éxito los cambios dinámicos en las singularidades y logra tasas de convergencia cuasi-óptimas para los errores de gradiente.

Significancia y Reivindicaciones
El artículo afirma que el algoritmo propuesto ofrece una ganancia de eficiencia integral al abordar los cuellos de botella fundamentales de los AFEM convencionales para problemas parabólicos. Al integrar las redes neuronales no como resolvedores independientes, sino como módulos especializados impulsados por datos para la transferencia de datos y la representación de funciones, el método logra un flujo de trabajo robusto y eficiente. Los autores enfatizan que este enfoque hace que la inserción y el movimiento de nodos sean más convenientes, reduce significamente el tiempo requerido para el refinamiento repetido y logra una alta precisión con un número controlado de grados de libertad. El código se pone a disposición pública para facilitar la investigación y aplicación posteriores.