💻 computer science

A mixed finite element method for a class of fourth-order stochastic evolution equations with multiplicative noise

यह शोध पत्र गैर-वैश्विक लिप्सचिट्ज़ (non-globally Lipschitz) गैर-रैखिकताओं और गुणात्मक शोर (multiplicative noise) वाले चतुर्थ-क्रम के स्टोकेस्टिक विकास समीकरणों के लिए एक पूर्णतः विविक्त, अर्ध-निहित मिश्रित परिमित तत्व विधि (fully discrete, semi-implicit mixed finite element method) का प्रस्ताव और विश्लेषण करता है, जो स्टोकेस्टिक लैंडौ-लिफ़्शिट्ज़-बर्याकतार (stochastic Landau–Lifshitz–Baryakhtar) समीकरण जैसे भौतिक रूप से प्रासंगिक मॉडलों के लिए प्रायिकता में अभिसरण (convergence in probability) और मात्रात्मक दरों के साथ सुदृढ़ अभिसरण (strong convergence) स्थापित करने के लिए "ट्रंकेट-देन-डिस्क्रीटाइज" (truncate-then-discretise) रणनीति का उपयोग करता है।

मूल लेखक: Beniamin Goldys, Agus L. Soenjaya, Thanh Tran

प्रकाशित 2026-02-17

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Beniamin Goldys, Agus L. Soenjaya, Thanh Tran

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि आप मौसम की भविष्यवाणी करने की कोशिश कर रहे हैं, लेकिन बादलों और बारिश के बजाय, आप धातु के एक छोटे से टुकड़े के भीतर अदृश्य चुंबकीय क्षेत्रों (magnetic fields) को ट्रैक कर रहे हैं। ये क्षेत्र अराजक (chaotic) हैं, लगातार बदलते रहते हैं, और परमाणु दुनिया की यादृच्छिक "उछालों" (शोर/noise) से प्रभावित होते हैं। इसके अलावा, इनके चलने के नियम अविश्वसनीय रूप से जटिल और गैर-रेखीय (non-linear) हैं—जिसका अर्थ है कि एक छोटा सा बदलाव एक विशाल, अप्रत्याशित प्रतिक्रिया का कारण बन सकता है।

यह शोध पत्र इन अराजक चुंबकीय प्रणालियों को कंप्यूटर पर सिम्युलेट करने के लिए एक नया, शक्तिशाली गणितीय नुस्खा (एक संख्यात्मक विधि) प्रस्तुत करता है।

यहाँ उन्होंने जो किया है, उसका सरल उपमाओं (analogies) का उपयोग करके विवरण दिया गया है:

1. समस्या: बारिश में एक अराजक नृत्य

लेखक एक विशिष्ट प्रकार के समीकरण (एक "चौथी-क्रम का स्टोकेस्टिक पार्शियल डिफरेंशियल इक्वेशन") का अध्ययन कर रहे हैं।

नृत्य: चुंबकीय क्षेत्र को एक नर्तक के रूप में सोचें। वह केवल एक सीधी रेखा में नहीं चलता; वह घूमता है, मुड़ता है और अपने ही आकार के प्रति प्रतिक्रिया करता है।
बारिश: "स्टोकेस्टिक" (stochastic) भाग का अर्थ है कि नर्तक पर यादृच्छिक बारिश की बूंदों (गौसियन शोर) की बौछार हो रही है। ये बूंदें नर्तक को अप्रत्याशित दिशाओं में धकेलती हैं।
जाल: नर्तक की गतिविधियाँ ऐसे नियमों द्वारा नियंत्रित होती हैं जो "नॉन-मोनोटोन" (non-monotone) और "नॉन-ग्लोबली लिप्सचिट्ज़" (non-globally Lipschitz) हैं। सरल शब्दों में, इसका अर्थ है कि नियम पेचीदा हैं। यदि नर्तक बहुत तेज़ घूमता है या बहुत बड़ा हो जाता है, तो गणित टूट सकता है, और कंप्यूटर सिमुलेशन अनंत (infinity) की ओर विस्फोट कर सकता है (एक "ब्लो-अप")।

2. समाधान: "फ्रीज-फ्रेम" रणनीति

लेखकों ने एक मिक्स्ड फाइनाइट एलीमेंट मेथड (Mixed Finite Element Method) विकसित किया है। आइए इस तकनीकी शब्दावली को समझें:

मिक्स्ड मेथड (दो-चरणीय नृत्य): नर्तक की स्थिति और उनकी ऊर्जा (वह बल जो उन्हें धकेलता है) दोनों की गणना एक साथ करने के बजाय, वे समस्या को दो सरल चरणों में विभाजित करते हैं। वे पहले स्थिति की गणना करते हैं, फिर उसका उपयोग ऊर्जा खोजने के लिए करते हैं, और फिर स्थिति को अपडेट करते हैं। यह नर्तक की एक फोटो लेने, उसकी मुद्रा का विश्लेषण करने और फिर अगले कदम का निर्णय लेने जैसा है, न कि एक ही बड़ी छलांग में पूरे नृत्य की भविष्यवाणी करने जैसा। यह उन्हें महंगे, जटिल ग्रिडों के बजाय सरल, सस्ते कंप्यूटर ग्रिड (मेष) का उपयोग करने की अनुमति देता है।
सेमी-इम्प्लिसिट (स्मार्ट प्रेडिक्टर): वे "सेमी-इम्प्लिसिट" टाइम-स्टेपिंग का उपयोग करते हैं। कल्पना कीजिए कि आप एक फिसलन भरे रास्ते पर चल रहे हैं। एक "पूरी तरह से एक्सप्लिसिट" (fully explicit) विधि केवल वहीं से अगला कदम लगाने का अनुमान लगाने जैसी है जहाँ आप अभी हैं (जो जोखिम भरा है!)। एक "पूरीly इम्प्लिसिट" (fully implicit) विधि ऐसी है जैसे यह देखने के लिए कि आप कहाँ कदम रखेंगे, यह तय करना कि आप कहाँ होंगे (सुरक्षित, लेकिन धीमा और कठिन है)। उनकी विधि एक स्मार्ट हाइब्रिड है: यह सुरक्षित रहने के लिए बस इतना आगे देखती है, लेकिन इतना भी नहीं कि वह फंस जाए।

3. गुप्त हथियार: "ट्रंकेट-देन-डिस्क्रिटाइज़" (Truncate-Then-Discretise)

यह इस शोध पत्र की सबसे रचनात्मक चाल है।

समस्या: क्योंकि नियम इतने अनियंत्रित हैं, चुंबकीय क्षेत्र सिमुलेशन में सैद्धांतिक रूप से अनंत आकार तक बढ़ सकता है, जिससे कंप्यूटर क्रैश हो सकता है।
चाल: लेखक कहते हैं, "आइए मान लें कि नर्तक एक विशाल बीच बॉल (beach ball) से बड़ा नहीं हो सकता।" वे गणितीय रूप से नियमों को ट्रंकेट (काट देते हैं) करते हैं ताकि यदि क्षेत्र बहुत बड़ा हो जाए, तो नियम इसे नियंत्रण में रखने के लिए बदल जाएं।
परिणाम: वे पहले "सुरक्षित" संस्करण को हल करते हैं। फिर, वे गणितीय रूप से सिद्ध करते हैं कि जब तक "बीच बॉल" पर्याप्त बड़ी है, तब तक सुरक्षित संस्करण का समाधान वास्तविक, जंगली संस्करण के लगभग समान होगा। यह एक सुरक्षा जाल के साथ ट्रैम्पोलिन पर एक खतरनाक स्टंट का अभ्यास करने जैसा है, और फिर यह सिद्ध करने जैसा है कि यदि जाल काफी ऊँचा है, तो आप बिना जाल के भी सुरक्षित उतर जाते।

4. प्रमाण: यह काम करता है!

लेखकों ने केवल अनुमान नहीं लगाया; उन्होंने सिद्ध किया कि उनकी विधि काम करती है।

कन्वर्जेंस (अभिसरण): उन्होंने दिखाया कि जैसे-जैसे वे अपने कंप्यूटर ग्रिड को अधिक बारीक (अधिक पिक्सेल) और अपने टाइम स्टेप्स को छोटा (धीमी गति) करते हैं, सिमुलेशन "सच्चे" उत्तर के करीब आता जाता है।
क्वांटिटेटिव रेट्स (मात्रात्मक दरें): उन्होंने यहाँ तक गणना की कि यह कितनी तेज़ी से बेहतर होता है। यह कहने जैसा है कि, "यदि आप पिक्सेल की संख्या दोगुनी करते हैं, तो आपकी तस्वीर दोगुनी स्पष्ट हो जाती है।"
वास्तविक दुनिया के परीक्षण: उन्होंने एक "पतले तार" और एक "पतली स्लैब" (जैसे कि एक कंप्यूटर चिप) पर सिमुलेशन चलाया। उन्होंने समय के साथ सिस्टम की ऊर्जा को कम होते देखा, जैसा कि भौतिकी भविष्यवाणी करती है, और पुष्टि की कि उनका गणित कंप्यूटर चित्रों से मेल खाता है।

सारांश उपमा

कल्प_ना कीजिए कि आप एक विशाल ग्रिड के डोमिनोज़ (फाइनाइट एलीमेंट मेष) का उपयोग करके एक तूफान (चुंबकीय क्षेत्र) को सिम्युलेट करने की कोशिश कर रहे हैं।

तूफान अराजक है और इसमें हवा के यादृच्छिक झोंके (शोर) हैं।
यदि एक डोमिनो बहुत ज़ोर से गिरता है, तो वह पूरे ग्रिड को गिरा सकता है (गणित विस्फोट कर सकता है)।
लेखकों की विधि डोमिनोज़ पर स्पीड बंप (ट्रंकेशन) लगाने जैसी है ताकि वे बहुत ज़ोर से न गिरें।
फिर वे दो-सदस्यीय टीम (मिक्स्ड मेथड) का उपयोग करते हैं: एक व्यक्ति स्थिति को धकेलता है, दूसरा बल की जाँच करता है।
उन्होंने सिद्ध किया कि भले ही स्पीड बंप लगे हों, डोमिनोज़ बिल्कुल उसी पैटर्न में गिरते हैं जैसा कि वास्तविक तूफान में होता है, और आप जितने अधिक डोमिनोज़ का उपयोग करेंगे, सिमुलेशन उतना ही सटीक होगा।

यह क्यों मायने रखता है?
यह विधि वैज्ञानिकों को जटिल चुंबकीय सामग्रियों (जो हार्ड ड्राइव, सेंसर और भविष्य के क्वांटम कंप्यूटरों में उपयोग किए जाते हैं) को बहुत अधिक सटीकता के साथ और कंप्यूटर क्रैश होने के कम जोखिम के साथ सिम्युलेट करने की अनुमति देती है, जिससे बेहतर तकनीक डिजाइन करने का मार्ग प्रशत होता है।

यहाँ शोध पत्र "A MIXED FINITE ELEMENT METHOD FOR A CLASS OF FOURTH-ORDER STOCHASTIC EVOLUTION EQUATIONS WITH MULTIPLICATIVE NOISE" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

यह शोध पत्र गैर-ग्लोबली लिप्सचिट्ज़ (non-globally Lipschitz) और गैर-मोनोटोन (non-monotone) गैर-रैखिकता (nonlinearities) वाले, स्थानिक रूप से सुचारू मल्टीप्लिकेटिव गॉसियन शोर (spatially smooth multiplicative Gaussian noise) से विक्षुब्ध चौथी-क्रम के स्टोकेस्टिक आंशिक अंतर समीकरणों (fourth-order SPDEs) के एक वर्ग के संख्यात्मक सन्निकटन (numerical approximation) को संबोधित करता है।

सामान्य मॉडल इस प्रणाली द्वारा दिया गया है:
$\begin{aligned} du &= \left( \lambda_1 H - \lambda_2 \Delta H - \gamma u \times H + S(u) \right) dt + G(u) dW(t), \\ H &= \Delta u + f(u), \end{aligned}$
जो न्यूमैन सीमा स्थितियों (Neumann boundary conditions) और प्रारंभिक डेटा $u_0$ के अधीन है।

कवर किए गए प्रमुख भौतिक मॉडल:
प्रस्तावित ढांचा कई भौतिक रूप से महत्वपूर्ण मॉडलों पर लागू होता है, जिनमें शामिल हैं:

स्टोकेस्टिक लैंडौ-लिफ़शिट्ज़-बर्याकर (sLLBar) समीकरण: माइक्रोमैग्नेटिक्स में उपयोग किया जाने वाला sLLB समीकरण का एक नियमित संस्करण, जिसमें स्पिन करंट शामिल है।
द्रव्यमान स्रोत के साथ स्टोकेस्टिक संवेदी कान-हिलियर्ड (sCHm) समीकरण।
स्टोकेस्टिक संवेदी एलन-कान/कान-हिलियर्ड (sAC/CH) समीकरण।
स्टोकेस्टिक जनसंख्या वृद्धि/प्रसार मॉडल।

गणितीय चुनौतियाँ:

गैर-रैखिकता (Nonlinearity): बल देने वाला पद $f(u)$ (गिन्ज़बर्ग-लैंडौ सिद्धांत से व्युत्पन्न) और संवेदी (convective) पद गैर-मोनोटोन और गैर-ग्लोबली लिप्सचिट्ज़ हैं।
शोर (Noise): शोर मल्टीप्लिकेटिव है ($G(u)dW$), जो मानक ऊर्जा अनुमानों को जटिल बनाता है।
क्रम (Order): चौथी-क्रम की समीकरण होने के कारण, एक प्रत्यक्ष कन्फॉर्मिंग (conforming) परिमित तत्व विधि के लिए $C^1$ -निरंतर तत्वों की आवश्यकता होगी, जो गणनात्मक रूप से महंगी और कार्यान्वयन में कठिन हैं।
संरचना की हानि (Structure Loss): क्रॉस-प्रोडक्ट पद ( $u \times H$ ) और संवेदी पदों की उपस्थिति उस ग्रेडिएंट फ्लो संरचना और द्रव्यमान संरक्षण गुणों को नष्ट कर देती है जिनका उपयोग सरल कान-हिलियर्ड मॉडलों में स्थिरता प्राप्त करने के लिए किया जाता है।

2. कार्यप्रणाली (Methodology)

लेखक एक पूर्णतः विविक्त, अर्ध-निम्न (fully discrete, semi-implicit) मिश्रित परिमित तत्व विधि (mixed finite element method) का प्रस्ताव करते हैं जो एक "ट्रंकेट-देन-डिस्क्रिटाइज़" (truncate-then-discretise) रणनीति के साथ संयुक्त है।

A. ट्रंकेशन रणनीति (Truncation Strategy)

गैर-ग्लोबली लिप्सचिट्ज़ गैर-रैखिकता को संभालने के लिए, लेखक पहले समस्या को संशोधित करते हैं:

ट्रंकेशन (Truncation): क्षमता फलन (potential function) $f(u)$ और द्रव्यमान स्रोत $M(u)$ को एक सुचारू कट-ऑफ फलन $\phi_R$ का उपयोग करके ट्रंकेट किया जाता है। यह ग्लोबली लिप्सचिट्ज़ सन्निकटन $f_R$ और $M_R$ बनाता है।
ट्रंकेटेड सिस्टम का अभिसरण: यह सिद्ध किया गया है कि ट्रंकेटेड सिस्टम का स्ट्रॉन्ग सॉल्यूशन, ट्रंकेशन पैरामीटर $R \to \infty$ होने पर मूल समस्या के समाधान की प्रायिकता (probability) में अभिसरण करता है।

B. मिश्रित परिमित तत्व सूत्रीकरण (Mixed Finite Element Formulation)

$C^1$ तत्वों के बजाय, लेखक समस्या को द्वितीय-क्रम के समीकरणों की प्रणाली में कम करने के लिए एक मिश्रित सूत्रीकरण (mixed formulation) का उपयोग करते हैं।

चर (Variables): समाधान को $V_h$ में एक जोड़ी $(u_h, H_h)$ द्वारा सन्निकट किया जाता है, जो $C^0$ -कन्फॉर्मिंग पीसवाइज लीनियर एलिमेंट्स (लैग्रेंज एलिमेंट्स) से बना है।
टाइम स्टेपिंग (Time Stepping): एक अर्ध-निम्न यूलर स्कीम (semi-implicit Euler scheme) का उपयोग किया जाता है। स्थिरता सुनिश्चित करने के लिए गैर-रैखिक पदों को आंशिक रूप से निहित (implicitly) माना जाता है, जबकि स्टोकेस्टिक पद को अर्ध-निम्न तरीके से स्पष्ट (explicitly) रूप से संभाला जाता है।
विवक्तीकरण (Discretization): योजना प्रत्येक समय चरण $t_n$ पर $u_h$ और $H_h$ को एक साथ हल करती है।

C. त्रुटि विश्लेषण ढांचा (Error Analysis Framework)

विश्लेषण $H^2$ में प्रारंभिक डेटा मानते हुए SPDEs के लिए एक वेरिएशनल ढांचे के भीतर किया जाता है।

स्थिरता (Stability): लेखक स्ट्रॉन्ग नॉर्म्स ( $L^2$ , $H^1$ , और डिस्क्रीट लाप्लासियन नॉर्म्स) में संख्यात्मक समाधान के उच्च क्षणों (higher moments) के लिए स्थिरता अनुमान स्थापित करते हैं।
पैराबोलिक स्मूथिंग (Parabolic Smoothing): वे त्रुटि सीमाओं को प्राप्त करने के लिए पैराबोलिक स्मूथिंग अनुमानों और समाधान की टेम्पोरल होल्डर निरंतरता (temporal Hölder continuity) का उपयोग करते हैं।
लोकलाइजेशन (Localization): एक प्रमुख तकनीक में त्रुटि विश्लेषण को एक सेट $\Omega_{\kappa, m}$ पर स्थानीयकृत करना शामिल है जहाँ समाधान और उसका संख्यात्मक सन्निकटन सीमित रहता है (अर्थात, कोई "ब्लो-अप" नहीं होता है)। यह ट्रंकेटेड फलनों के लिप्सचिट्ज़ गुणों के उपयोग की अनुमति देता है।
अभिसरण के प्रकार (Convergence Types):
1. प्रायिकता में अभिसरण (Convergence in Probability): मिश्रित सूत्रीकरण क्षेत्रों के लिए स्थापित।
2. स्ट्रॉन्ग अभिसरण (Strong Convergence): मात्रात्मक दरों के साथ स्थापित, हालांकि ट्रंकेशन पैरामीटर अनुकूलन के कारण इसमें एक लॉगरिदमिक कारक शामिल है।

3. मुख्य योगदान (Key Contributions)

प्रथम सामान्य योजना: लेखकों के सर्वोत्तम ज्ञान के अनुसार, यह (1.1) में वर्णित चौथी-क्रम के SPDEs के सामान्य वर्ग के लिए प्रस्तावित पहली संख्यात्मक योजना है, जिसमें स्पिन करंट के साथ sLLBar समीकरण और sCHm समीकरण शामिल हैं।
$C^1$ तत्वों से बचाव: मानक $C^0$ तत्वों के साथ मिश्रित सूत्रीकरण का उपयोग करके, यह विधि प्रत्यक्ष चौथी-क्रम विवक्तीकरण की तुलना में गणनात्मक जटिलता को काफी कम करती है।
गैर-मोनोटोन गैर-रैखिकता को संभालना: "ट्रंकेट-देन-डिस्क्रिटाइज़" दृष्टिकोण क्रॉस-प्रोडक्ट और संवेदी पदों के कारण होने वाली गैर-ग्लोबली लिप्सचिट्ज़ निरंतरता की कमी और ग्रेडिएंट फ्लो संरचना की हानि को सफलतापूर्वक दूर करता है।
कठोर त्रुटि सीमाएं (Rigorous Error Bounds): शोध पत्र निम्नलिखित के लिए कठोर प्रमाण प्रदान करता है:
- प्रायिकता में अभिसरण।
- मात्रात्मक दरों के साथ स्ट्रॉन्ग अभिसरण (Theorem 3.11)।
- उच्च क्षणों के लिए स्थिरता अनुमान।
संख्यात्मक सत्यापन: सैद्धांतिक अभिसरण दरों को sLLBar समीकरण पर व्यापक संख्यात्मक प्रयोगों के माध्यम से सत्यापित किया गया है।

4. मुख्य परिणाम (Main Results)

Theorem 3.9: उच्च-प्रायिकता घटनाओं पर स्थानीयकृत, $H^1$ नॉर्म में मिश्रित सूत्रीकरण क्षेत्रों के लिए त्रुटि सीमाएं स्थापित करता है। त्रुटि $O(h^2 + k^{1/2-\delta})$ के रूप में स्केल करती है।
Theorem 3.10: योजना के लिए प्रायिकता में अभिसरण (convergence in probability) सिद्ध करता है।
Theorem 3.11: किसी भी $r \geq 1$ $r \geq 1$ के लिए $O(|\log(h^2 + k^{1/2-\delta})|^{-r})$ $O (∣ lo g (h^{2} + k^{1/2 - δ}) ∣^{- r})$ की दर के साथ स्ट्रॉन्ग अभिसरण (strong convergence) स्थापित करता है।
- नोट: लेखक स्वीकार करते हैं कि त्रुटि अनुमानों में ट्रंकेशन पैरामीटर $\kappa$ पर घातांकीय निर्भरता के कारण सैद्धांतिक स्ट्रॉन्ग अभिसरण दर संभवतः उप-इष्टतम (suboptimal) है। हालांकि, संख्यात्मक प्रयोग बताते हैं कि देखे गए दर काफी बेहतर हैं (अक्सर स्थान में $O(h^2)$ और समय में $O(k^{1/2})$ या उससे बेहतर के अनुरूप होते हैं)।

5. महत्व और प्रभाव (Significance and Impact)

भौतिक प्रासंगिकता: यह विधि स्टोकेस्टिक प्रभावों के तहत जटिल माइक्रोमैग्नेटिक घटनाओं (जैसे स्पिंट्रोनिक्स) और फेज़-फील्ड मॉडलों के अनुकरण के लिए एक व्यावहारिक उपकरण प्रदान करती है, जो नैनोस्केल पर सामग्री के गुणों को समझने के लिए महत्वपूर्ण हैं।
गणना दक्षता: $C^0$ तत्वों का उपयोग इस विधि को मानक परिमित तत्व सॉफ्टवेयर (जैसे FEniCS, जिसका उपयोग पेपर के प्रयोगों में किया गया था) के लिए सुलभ बनाता है, जिससे जटिल $C^1$ तत्व कार्यान्वयन की आवश्यकता नहीं रहती।
सैद्धांतिक प्रगति: यह शोध पत्र गैर-मोनोटोन, गैर-ग्लोबली लिप्सचिट्ज़ गैर-रैखिकता और मल्टीप्लिकेटिव शोर के साथ चौथी-क्रम के ऑपरेटरों द्वारा उत्पन्न विशिष्ट कठिनाइयों को संबोधित करके SPDEs के संख्यात्मक विश्लेषण में एक अंतर को पाटता है।
भावी कार्य: वर्तमान त्रुटि विश्लेषण और सिमुलेशन में देखे गए बहुपद (polynomial) दरों के बीच का अंतर यह सुझाव देता है कि वर्तमान त्रुटि विश्लेषण रूढ़िवादी है, जो परिष्कृत विश्लेषण तकनीकों के लिए मार्ग प्रशस्त करता है।

6. संख्यात्मक प्रयोग (Numerical Experiments)

लेखकों ने 1D (पतले तार) और 2D (पतली स्लैब) डोमेन पर FEniCS वातावरण का उपयोग करके अपने सिद्धांत को सत्यापित किया।

सिमुलेशन: उन्होंने विभिन्न शोर तीव्रता (कम और मध्यम) के साथ sLLBar समीकरण का परीक्षण किया।
अवलोकन:
- सिस्टम की ऊर्जा समय के साथ मामूली उतार-चढ़ाव के साथ आम तौर पर घटती है।
- स्थानिक अभिसरण (Spatial Convergence): देखे गए दरें $L^2$ में क्रम 2 और $H^1$ में क्रम 1 के करीब थीं, जो लीनियर एलिमेंट्स के अनुरूप हैं।
- टेम्पोरल अभिसरण (Temporal Convergence): देखे गए दरें समय में लगभग क्रम 1/2 थीं, जो अर्ध-निम्न यूलर स्कीम के अनुरूप हैं, हालांकि व्यवहार में कभी-कभी यह बेहतर भी थी।
- परिणामों ने पुष्टि की कि योजना मजबूत है और सिद्धांत (Theorem 3.9) के अनुसार अभिसरण करती है, भले ही व्यवहार में स्ट्रॉन्ग अभिसरण दर रूढ़िवादी सैद्धांतिक सीमा से अधिक हो।