A posteriori error bounds for finite element approximations of time-dependent mean field games

Resumen Técnico: Cotas de Error A Posteriori para Aproximaciones de Elementos Finitos de Juegos de Campo Medio Dependientes del Tiempo

Formulación del Problema
Este trabajo aborda la aproximación numérica de sistemas de Juegos de Campo Medio (MFG, por sus siglas en inglés) de segundo orden y dependientes del tiempo. El sistema consiste en un par acoplado de ecuaciones diferenciales parciales: una ecuación de Hamilton–Jacobi–Bellman (HJB) hacia atrás para la función de valor $u$ y una ecuación de Kolmogorov–Fokker–Planck (KFP) hacia adelante para la densidad de los jugadores $m$. El sistema está definido en un dominio acotado $\Omega \subset \mathbb{R}^d$ sobre un intervalo de tiempo $(0, T)$, sujeto a condiciones iniciales para $m$ y condiciones terminales para $u$. Las ecuaciones presentan un coeficiente de difusión constante $\nu > 0$, un Hamiltoniano $H$ que es $C^{1,1}$ con respecto a la variable del gradiente, y operadores de acoplamiento $F$ y $S$ que son Lipschitz continuos y monotónicos. Un requisito crítico para la validez física de la solución es la preservación de la no negatividad de la densidad $m$ en el nivel discreto.

Metodología
Los autores analizan una clase general de métodos de elementos finitos (FEM) estabilizados para este sistema. La discretización espacial emplea elementos finitos afines de piezas continuas, mientras que la discretación temporal utiliza un esquema de Euler implícito. Para asegurar la no negatividad de la densidad y la estabilidad del esquema, se introducen términos de estabilización abstractos. Estas estabilizaciones pueden incluir el agrupamiento de masa (mass lumping) para las derivadas temporales y estabilizaciones espaciales para los términos advectivos.

El núcleo de la metodología involucra un riguroso análisis de error a posteriori. Los autores primero establecen una equivalencia de nivel continuo entre la norma del error y la norma dual del residuo. Luego extienden este análisis al entorno discreto, lo cual presenta desafíos específicos debido a la falta de conformidad temporal en los espacios estándar de tipo Galerkin discontinuo utilizados para la densidad. Para cerrar esta brecha, los autores definen normas extendidas en espacios de suma ($V_i + Y$) y utilizan operadores de reconstrucción temporal ($I_i$) para mapear las soluciones discretas al espacio de la solución continua $Y$.

El estimador de error $\eta$ se construye a partir de varios componentes:

1. Estimadores de Residuo: Basados en los residuos de volumen y los residuos de salto espacial de las ecuaciones HJB y KFP.
2. Estimadores de Salto Temporal: Que miden la falta de conformidad a través de los pasos de tiempo.
3. Estimadores de Estabilización: Que cuantifican el error introducido por los términos de estabilización.
4. Estimadores de Frontera: Que dan cuenta de los errores en las condiciones de tiempo inicial y final.
5. Términos de Oscilación de Datos: Que representan el error de aproximación de los datos del problema.

Contribuciones Clave y Resultados
El artículo presenta tres resultados teóricos primordiales:

1. Equivalencia de las Normas de Error y Residuo: Los autores demuestran que para el problema continuo, el error en la solución (medido en normas apropiadas de Bochner–Sobolev) es equivalente a la norma dual del residuo. Crucialmente, esta equivalencia se mantiene globalmente para cualquier par $(u, m)$ con densidad no negativa, no solo en un vecindad de la solución exacta. Esto extiende los resultados previos de problemas en estado estacionario al caso dependiente del tiempo.

2. Fiabilidad y Eficiencia de Estimadores Generales: Para la clase general de FEM estabilizados, los autores derivan cotas de error a posteriori que muestran que el error total está acotado superiormente (fiabilidad) e inferiormente (eficiencia) por el estimador propuesto $\eta$, salvo por términos de oscilación de datos.

   • Fiabilidad: El error está acotado por el estimador más la oscilación temporal de los datos.
   • Eficiencia: El estimador está acotado por el error más la oscilación espacial de los datos.
   • Una contribución técnica significativa es el manejo de la naturaleza no conforme de la densidad discreta en el tiempo, logrado mediante los operadores de reconstrucción y las normas extendidas.

3. Cotas Libres de Estabilización para Esquemas Estructurados: El artículo identifica una subclase específica de estabilizaciones (que involucran el agrupamiento de masa y estabilizaciones espaciales que preservan la afinidad por parches) donde los estimadores de estabilización pueden acotarse mediante los estimadores de residuo y de salto temporal. Bajo la condición de que el tamaño del paso de tiempo $\tau$ no sea excesivamente pequeño en relación con el cuadrado del tamaño de la malla ($h^2 \lesssim \tau$), los autores muestran que los estimadores de estabilización no necesitan ser computados explícitamente. Esto produce un estimador localmente computable y localmente eficiente que depende únicamente de los términos estándar de residuo y salto.

Significancia
El artículo afirma proporcionar las primeras cotas de error a posteriori para una clase general de aproximaciones de elementos finitos estabilizados de sistemas de MFG dependientes del tiempo. Mientras que trabajos previos (por ejemplo, [25]) establecieron tales cotas para MFGs en estado estacionario, este trabajo extiende la teoría al entorno dependiente del tiempo, abordando las complejidades adicionales de la no conformidad temporal y el acoplamiento de ecuaciones parabólicas hacia adelante y hacia atrás.

La significancia radica en permitir estrategias de refinamiento de malla adaptativo para los MFG. Al proporcionar estimadores de error fiables y eficientes, el trabajo permite el desarrollo de algoritmos que pueden refinar localmente la malla y los pasos de tiempo basados en el error computado, ofreciendo potencialmente ahorros computacionales significativos en comparación con el refinamiento uniforme. La derivación de cotas libres de estabilización para esquemas de estabilización específicamente relevantes en la práctica mejora aún más la utilidad de los resultados, ya que elimina la necesidad de computar indicadores de error complejos específicos de la estabilización en la práctica.