Conditional stability for an inverse problem of a fully-discrete stochastic hyperbolic equation

Résumé technique : Stabilité conditionnelle pour un problème inverse d'une équation hyperbolique stochastique entièrement discrète

Énoncé du problème
Ce papier examine un problème inverse discret associé à une approximation entièrement discrète d'une équation hyperbolique stochastique unidimensionnelle. Le modèle continu, défini sur un domaine espace-temps $Q = (0,1) \times (0,T)$, décrit un système soumis à des forces aléatoires. L'objectif principal est de déterminer simultanément trois inconnues : le déplacement initial ($y_0$), la vitesse initiale ($y_1$) et le terme source aléatoire ($g$).

Le problème inverse est formulé à l'aide de deux types de données d'observation :

1. Des données de dérivée spatiale discrète à la frontière gauche ($x=0$).
2. Des mesures de la solution au temps final ($t=T$).

Les auteurs se concentrent sur le cadre entièrement discret, en employant un schéma aux différences finies explicite pour la discrétisation spatiale et temporelle de l'équation aux dérivées partielles stochastique (EDPS). Cela contraste avec les travaux antérieurs qui traitaient principalement de cadres continus ou d'approximations semi-discrètes.

Méthodologie
La méthodologie centrale repose sur la dérivation et l'application d'une estimation de Carleman adaptée aux équations hyperboliques stochastiques entièrement discrètes. L'approche implique plusieurs étapes techniques :

1. Cadre de calcul discret : Les auteurs établissent un cadre rigoureux de calcul discret, définissant des espaces de fonctions discrets, des opérateurs de translation, des opérateurs de moyenne et de différence, ainsi que des formules d'intégration par parties discrètes. Une attention particulière est portée aux maillages duaux requis pour traiter les dérivées discrètes.
2. Construction de la fonction de poids : Une fonction de poids spécifique, $r = e^{s\phi(x,t)}$, est construite en utilisant de grands paramètres $s$ et $\lambda$. Cette fonction est conçue pour gérer le caractère hyperbolique de l'équation et les termes stochastiques.
3. Dérivation de l'estimation de Carleman :
   • Un changement de variable $y = \rho Y$ (où $\rho = r^{-1}$) est introduit pour transformer l'opérateur.
   • La preuve implique la décomposition de l'opérateur transformé en termes $A(Y)$, $B(Y,Z)$ et un reste $R(Y,Z)$.
   • De manière cruciale, les auteurs exploitent l'indépendance entre la solution et l'incrément futur du mouvement brownien ($B^{n+1} - B^n$) pour montrer que l'espérance du terme d'intégrale stochastique s'annule ($E[\dots] = 0$). Cela permet d'éliminer le terme d'intégrale d'Itô discret, une étape nécessaire pour établir l'estimation.
   • La preuve traite soigneusement les termes d'erreur résultant de la discrétisation, en particulier ceux impliquant les tailles de maillage $\Delta x$ et $\Delta t$.
4. Analyse de stabilité : L'estimation de Carleman dérivée est appliquée à la différence de deux solutions correspondant à différentes inconnues. En combinant cela avec des estimations d'énergie discrètes, les auteurs déduisent un résultat de stabilité conditionnelle pour le problème inverse.

Contributions et résultats clés

• Nouvelle estimation de Carleman discrète : Le papier établit une estimation de Carleman novatrice pour les équations hyperboliques stochastiques entièrement discrètes. Contrairement aux contreparties continues, cette estimation inclut des termes supplémentaires au membre de droite qui dépendent des tailles de maillage ($\Delta x$ et $\Delta t$). Plus précisément, elle contient un terme impliquant la dérivée temporelle discrète de la dérivée spatiale ($|D_t D_x y|^2$) et un terme de frontière localisé à $t=T$ impliquant la source $g$.
• Stabilité conditionnelle : Sur la base de l'estimation de Carleman, les auteurs prouvent un résultat de stabilité conditionnelle. Ils montrent que la différence des inconnues ($g, y_0, y_1$) peut être bornée par la différence des données d'observation (flux aux frontières et solution au temps final), à condition que les inconnues appartiennent à un ensemble admissible avec des bornes a priori.
• Dépendance au maillage : L'estimation de stabilité prend explicitement en compte les paramètres de discrétisation. Le terme d'erreur associé à la source $g$ au temps final évolue avec $(\Delta t)^{1/2}$. Les auteurs notent que lorsque $\Delta x, \Delta t \to 0$, ces termes discrets disparaissent, retrouvant ainsi le résultat de stabilité continu.
• Hypothèse de temps final assouplie : Une amélioration technique significative par rapport aux études continues antérieures (par exemple [28]) concerne le traitement de la condition au temps final. Alors que l'unicité continue suppose souvent $y^{(1)}(T) = y^{(2)}(T)$, ce papier dérive une estimation de stabilité impliquant le terme $\|y^{(1)}(T) - y^{(2)}(T)\|^{1/2}$. Cette dépendance de type Hölder est plus adaptée à l'analyse numérique où l'égalité exacte au temps final est rarement atteinte, seuls de petits erreurs étant présents.

Portée et affirmations
Le papier prétend combler une lacune dans la littérature concernant les problèmes inverses stochastiques entièrement discrets. Bien qu'un travail étendu existe pour les problèmes inverses discrets déterministes et les problèmes inverses stochastiques continus, ce travail est le premier à traiter le cas hyperbolique stochastique entièrement discret.

Les auteurs soulignent que le cadre discret introduit des défis spécifiques, tels que la nécessité de gérer des termes d'erreur supplémentaires résultant de la discrétisation des termes aléatoires et la structure spécifique de la formule d'Itô discrète. Le résultat de stabilité dérivé est présenté comme particulièrement précieux pour l'analyse d'erreur dans les implémentations numériques, car il quantifie comment les erreurs de discrétisation affectent la reconstruction des paramètres inconnus.

Le papier conclut en notant que, bien qu'une stabilité de type Lipschitz soit attendue pour le cas déterministe, la nature stochastique et le cadre discret produisent actuellement un résultat de stabilité conditionnelle avec une puissance de $1/2$ pour l'erreur au temps final. Les travaux futurs, tels que suggérés par les auteurs, consisteraient à investiguer des propriétés de stabilité plus fortes et l'implémentation numérique de ces problèmes inverses.