A monotone iterative reconstruction method for an inverse drift problem in a two-dimensional parabolic equation

Resumen Técnico: Método de Reconstrucción Iterativa Monótona para un Problema Inverso de Deriva en una Ecuación Parabólica Bidimensional

1. Planteamiento del Problema

El artículo aborda un problema inverso de deriva asociado a una ecuación parabólica bidimensional definida en un cuadrado unitario $\Omega = (0,1) \times (0,1)$. La ecuación gobernante es:
$$(\partial_t - \Delta + q(x)\partial_{x_1} + C_p)u(x, t) = f(x)$$
donde:

• $u(x,t)$ es la solución (estado).
• $q(x)$ es el coeficiente de deriva desconocido, que depende únicamente de la coordenada espacial $x_1$.
• $C_p$ es una constante de potencial conocida.
• $f(x)$ es una fuente conocida.

El problema se formula con condiciones de frontera mixtas (Dirichlet en los bordes superior e inferior, Neumann en los laterales) y condiciones iniciales dadas. El objetivo es recuperar el coeficiente desconocido $q(x)$ utilizando únicamente los datos de observación en el tiempo final (datos terminales):
$$g(x) = u(x, T)$$
Este tipo de problema es inherentemente mal planteado (inestable) debido a la no linealidad de la dependencia de la solución respecto al coeficiente y a la sensibilidad a las perturbaciones en los datos.

2. Metodología

Los autores proponen un enfoque basado en la teoría de operadores monótonos y principios de máximo, evitando métodos de regularización estándar o técnicas de optimización no lineal tradicionales. La metodología se divide en tres pilares:

• Construcción del Operador Fijo:
  Se define un operador $K$ tal que su punto fijo coincide con el coeficiente de deriva verdadero $q$. El operador se formula explícitamente como:
  $$K\psi = \frac{f(x) - \partial_t u(x, T; \psi) + \Delta g(x) - C_p g(x)}{\partial_{x_1} g(x)}$$
  Donde $u(x, T; \psi)$ es la solución de la ecuación directa con un coeficiente de deriva candidato $\psi$. La validez de este operador depende de que el denominador $\partial_{x_1} g(x)$ sea estrictamente positivo, lo cual se garantiza mediante supuestos de regularidad y condiciones de frontera específicas.

• Propiedades de Monotonía y Unicidad:
  Se demuestra que el operador $K$ es monótono en un conjunto admisible de funciones. Es decir, si $\psi_1 \leq \psi_2$, entonces $K\psi_1 \leq K\psi_2$. Esta propiedad, derivada de los principios de máximo para ecuaciones parabólicas, permite establecer la unicidad de la solución del problema inverso dentro de la clase admisible.

• Esquema Iterativo Constructivo:
  A partir de la monotonía, se deriva un algoritmo iterativo simple:

  1. Se elige una estimación inicial $q_0$ (el límite superior del dominio admisible).
  2. Se genera la secuencia $q_{n+1} = K q_n$.
  3. La teoría garantiza que esta secuencia converge monótonamente (decrecientemente) hacia la solución única $q$.

3. Contribuciones Clave

• Formulación de Punto Fijo Monótono: Se extiende el marco de operadores monótonos (común en problemas de coeficientes elípticos) a problemas inversos de deriva en ecuaciones parabólicas bidimensionales con condiciones de frontera mixtas.
• Garantía de Unicidad y Convergencia: Se prueba teóricamente la unicidad del coeficiente de deriva y la convergencia del esquema iterativo sin necesidad de suposiciones de convexidad global en el funcional de error.
• Análisis de Regularidad: Se establecen resultados rigurosos sobre la continuidad de las derivadas espaciales y temporales de la solución ($\partial_{x_1}u$ y $\partial_{x_1}\partial_t u$), esenciales para la definición del operador y la estabilidad del método.
• Estrategia de Denoising: Se propone y valida una estrategia de suavizado para manejar datos terminales ruidosos, permitiendo que el método sea robusto frente a perturbaciones en las mediciones.

4. Resultados Numéricos

Los autores realizaron experimentos numéricos utilizando diferencias finitas y el método de Euler implícito para resolver el problema directo en cada iteración. Se probaron tres casos:

1. Coeficiente Suave: Una función sinusoidal.
2. Coeficiente a Trozos Constantes: Una inclusión cuadrada con discontinuidades.
3. Geometría Compleja: Un coeficiente con forma de carácter chino (bordes agudos, agujeros internos).

Hallazgos principales:

• Convergencia Rápida: Para datos sin ruido, el error relativo en norma $L^2$ disminuye rápidamente en las primeras iteraciones.
• Robustez al Ruido: El método mantiene su efectividad con datos ruidosos (hasta un 3% de ruido) cuando se aplica la estrategia de suavizado. La reconstrucción captura la forma global incluso con ruido alto.
• Comportamiento Monótono: Las iteraciones muestran una mejora progresiva y monótona, donde la estructura global se captura desde la primera estimación y los detalles se refinan paso a paso.
• Reconstrucción de Descontinuidades: El método logra recuperar interfaces nítidas en coeficientes discontinuos, aunque con un ligero suavizado en las esquinas debido a la discretización.

5. Significado e Impacto

Este trabajo es significativo porque ofrece un marco constructivo y teóricamente fundamentado para resolver problemas inversos de deriva, que son comunes en física estadística (modelos de Fokker-Planck), mecánica de fluidos y dinámica de poblaciones.
A diferencia de los métodos de optimización que pueden quedar atrapados en mínimos locales o requerir un buen adivino inicial, este método iterativo garantiza la convergencia a la solución única bajo condiciones de monotonía. Además, demuestra que es posible recuperar coeficientes complejos y discontinuos en 2D utilizando solo datos terminales, lo cual es una ventaja práctica significativa en aplicaciones donde las mediciones internas son imposibles o costosas. La capacidad de manejar ruido mediante un pre-procesamiento simple hace que el método sea viable para aplicaciones en el mundo real.