Identification of space-dependent coefficients in two competing terms of a nonlinear subdiffusion equation

तकनीकी सारांश: एक नॉनलीनर सबडिफ्यूजन समीकरण में स्थान-निर्भर गुणांकों की पहचान

समस्या विवरण
यह शोध पत्र एक नॉनलीनर सबडिफ्यूजन समीकरण में दो स्थानिक रूप से निर्भर गुणांकों, $p(x)$ और $q(x)$, को पहचानने की व्युत्क्रम समस्या (inverse problem) को संबोधित करता है, जो इस प्रकार है:
$$\partial_t^\alpha u - D\Delta u = q(x)u - p(x)f(u) + r(t,x)$$
जहाँ $\partial_t^\alpha$, क्रम $\alpha \in (0,1]$ के लिए डिरबाशियन-कैपुटो (Djirbashian-Caputo) भिन्नात्मक अवकलज (fractional derivative) को दर्शाता है, और $f(u)$ एक ज्ञात स्मूथ नॉनलिनियरीटी है (जैसे, Fisher-KPP के लिए $u^2$, या Allen-Cahn के लिए $u^3$)। लक्ष्य $u(x,t)$ के आंतरिक प्रेक्षणों (interior observations) से अज्ञात फलनों $p(x)$ और $q(x)$ को पुनर्गठित करना है।

लेखक दो अलग-अलग अवलोकन परिदृश्यों पर विचार करते हैं जिनमें दो अज्ञातों को हल करने के लिए कम से कम दो मापों की आवश्यकता होती है:

1. "टू-रन" (Two-run) परिदृश्य: दो अलग-अलग स्रोत इनपुट $r_1, r_2$ लागू किए जाते हैं, और एक एकल अंतिम समय $T$ पर माप लिए जाते हैं।
2. "टू-टाइम" (Two-time) परिदृश्य: एक एकल स्रोत इनपुट लागू किया जाता है, और दो अलग-अलग समय क्षणों $T_1$ और $T_2$ पर माप लिए जाते हैं।

कार्यप्रणाली
मुख्य कार्यप्रणाली $p(x)$ और $q(x)$ के समवर्ती पुनर्गठन (simultaneous reconstruction) के लिए एक फिक्स्ड-पॉइंट स्कीम के निर्माण पर आधारित है।

1. फिक्स्ड-पॉइंट सूत्रीकरण: प्रत्येक स्थानिक बिंदु पर समीकरणों को हल करने के लिए समाधान के मूल्यांकन और ज्ञात मानों $g_i(x) = u(T_i, x)$ का उपयोग करते हुए, लेखक $p$ और $q$ के लिए एक रैखिक समीकरण प्रणाली व्युत्पन्न करते हैं। विशेष रूप से, वे दो मापों को संयोजित करके समय अवकलज $\partial_t^\alpha u$ को समाप्त करते हैं। इससे प्रत्येक बिंदु पर एक स्पष्ट अपडेट सूत्र प्राप्त होता है:
   $$\begin{pmatrix} p \\ q \end{pmatrix} = \mathcal{T}(p, q)$$
   जहाँ ऑपरेटर $\mathcal{T}$, मॉडल भविष्यवाणी और प्रेक्षित डेटा के बीच के अवशेषों (residuals) पर निर्भर करता है। महत्वपूर्ण रूप से, यह स्कीम अज्ञात गुणांकों के लिए किसी आधार प्रतिनिधित्व (जैसे, फाईनाइट एलीमेंट्स या स्पेक्ट्रल मेथड्स) की आवश्यकता नहीं रखती है, जिससे पॉइंटवाइज अपडेट संभव हो पाते हैं।

2. अभिसरण विश्लेषण (Convergence Analysis): फिक्स्ड-पॉइंट इटरेशन के अभिसरण को एक कॉन्ट्रैक्शन तर्क (contraction argument) के माध्यम से स्थापित किया गया है। विश्लेषण इस धारणा पर निर्भर करता है कि सिस्टम $t \to \infty$ होने पर एक स्टेडी स्टेट $u^\infty$ की ओर विकसित होता है। लेखक सिद्ध करते हैं कि पर्याप्त बड़े $T$ के लिए (टू-रन केस में) या $T_1$ के शून्य के करीब होने पर पर्याप्त बड़े $T_2$ के लिए (टू-टाइम केस में), रैखिक प्रणाली का डिटरमिनेंट (determinant) शून्य से दूर (bounded away from zero) रहता है।

   • प्रमाण ऊर्जा विधियों (energy methods) और वास्तविक गुणांकों तथा पुनरावृत्त गुणांकों के बीच के क्षय अनुमानों (decay estimates) का उपयोग करता है।
   • मुख्य शर्तों में स्टेडी स्टेट पर रैखिककृत क्षमता (linearized potential) की धनात्मकता और $f(u)$ पर विशिष्ट विकास स्थितियाँ शामिल हैं।
   • लेखक यह प्रदर्शित करते हैं कि फिक्स्ड-पॉइंट ऑपरेटर वास्तविक गुणांकों के एक पड़ोस में एक कॉन्ट्रैक्शन है, जो स्थानीय विशिष्टता (local uniqueness) और अभिसरण को दर्शाता है।

3. शोर और नियमितता (Handling Noise and Regularity): शोध पत्र नोट करता है कि चूंकि पुनर्गठन स्कीम में डेटा के स्थानिक अवकलज (विशेष रूप से $\Delta g$) शामिल हैं, इसलिए शोर युक्त मापों को $H^2(\Omega)$ में आने के लिए स्मूथ किया जाना चाहिए। लेखक दिखाते हैं कि व्युत्क्रम समस्या $H^2(\Omega)$ में सुव्यवस्थित (well-posed) है, जिसका अर्थ है कि पर्याप्त इटरेशन के साथ (शोर स्तर $\delta$ के लिए $O(|\log \delta|)$ के रूप में स्केलिंग), अर्ली स्टॉपिंग की आवश्यकता के बिना पुनर्गठन त्रुटि $O(\delta)$ होती है।

मुख्य परिणाम

• सैद्धांतिक गारंटी: शोध पत्र सिद्ध करता है कि फिक्स्ड-पॉइंट स्कीम वास्तविक गुणांकों के आसपास एक स्थानीय बॉल के भीतर अद्वितीय समाधान $(p, q)$ की ओर अभिसरित होती है, बशर्ते कि अवलोकन समय पर्याप्त रूप से बड़ा हो और गुणांक विशिष्ट नियमितता और धनात्मकता की शर्तों को पूरा करते हों।
• संख्यात्मक प्रदर्शन: संख्यात्मक प्रयोग विभिन्न नॉनलिनियरीटीज़ ($u^2, u^3, 4u^2, \frac{1}{4}u^3$) और भिन्नात्मक क्रम $\alpha$ के लिए स्कीम के प्रदर्शन को दर्शाते हैं।
  • टू-रन बनाम टू-टाइम: "टू-रन" परिदृश्य (दो स्रोत, एक समय) आमतौर पर "टू-टाइम" परिदृश्य (एक स्रोत, दो समय) की तुलना में बेहतर पुनर्गठन प्रदान करता है।
  • समय अंतराल (Time Gap): टू-टाइम परिदृश्य में, पुनर्गठन की गुणवत्ता मापों के बीच के समय अंतराल के प्रति अत्यधिक संवेदनशील है। एक बड़ा अंतराल (जहाँ $T_1$ शून्य के पास है और $T_2$ बड़ा है) $T_1$ और $T_2$ के बीच छोटे अंतराल की तुलना में काफी बेहतर परिणाम देता है।
  • नॉनलिनियरीटी का प्रभाव: $f(u)$ की परिमाण नॉनलिनियरीटी का पुनर्गठन की संवेदनशीलता को प्रभावित करती है। $f(u)$ के बड़े मान (जैसे, $u^3$) दोनों $p$ और $q$ के पुनर्गठन में सुधार करते हैं क्योंकि वे पदों के बीच के अंतर को अधिक स्पष्ट करते हैं।
  • मजबूती (Robustness): स्कीम शोर के प्रति मजबूत है, जहाँ सापेक्ष त्रुटियाँ पर्याप्त इटरेशन के बाद शोर स्तर $\delta$ के साथ रैखिक रूप से घटती हैं।
  • प्रारंभिक अनुमान (Initial Guess): विधि कच्चे प्रारंभिक अनुमानों (जैसे, स्थिर शून्य मान) के साथ भी प्रभावी ढंग से काम करती है और तेजी से अभिसरित होती है।

महत्व और दावे
लेखक इस कार्य को सबडिफ्यूजन समीकरणों के लिए कई अज्ञात गुणांकों वाली व्युत्क्रम समस्याओं के गणितीय सिद्धांत में एक योगदान के रूप में प्रस्तुत करते हैं।

• न्यूनतम डेटा आवश्यकता: शोध पत्र इस बात पर जोर देता है कि यह उस गणितीय प्रश्न को संबोधित करता है कि अनन्यता (uniqueness) सुनिश्चित करने के लिए पर्याप्त न्यूनतम जानकारी (दो अज्ञातों के लिए दो माप) के साथ क्या प्राप्त किया जा सकता है, न कि ओवर-सैंपलिंग पर निर्भर करता है।
• एल्गोरिद्मिक दक्षता: प्रस्तावित फिक्स्ड-पॉइंट स्कीम को इसकी सरलता और अज्ञातों के लिए जटिल आधार प्रतिनिधित्व की आवश्यकता न होने के कारण रेखांकित किया गया है, जो इसे न्यूटन-टाइप मेथड्स से अलग करता है।
• सामान्यीकरण: ढांचा मौजूदा रिएक्शन-डिफ्यूजन समीकरणों के परिणामों को टाइम-फ्रैक्शनल (सबडिफ्यूजन) सेटिंग तक विस्तारित करता है और विशिष्ट बहुपद रूपों के बजाय सामान्य नॉनलिनियरीटी $f(u)$ को संभालता है।
• विनम्रता: लेखक स्वीकार करते हैं कि हालांकि सैद्धांतिक ढांचा विशिष्ट नियमितता और क्षय स्थितियों को मानता है, उनके संख्यात्मक प्रयोग दृष्टिकोण की व्यावहारिक व्यवहार्यता की पुष्टि करते हैं। वे नोट करते हैं कि भिन्नात्मक क्रम $\alpha$ विचाराधीन समय सीमाओं के लिए अभिसरण की गति में मामूली भूमिका निभाता है, हालांकि बहुत बड़े समय के लिए यह अधिक महत्वपूर्ण हो सकता है।

शोध पत्र यह सुझाव देते हुए समाप्त होता है कि जबकि प्राथमिक ध्यान दो-माप वाले मामले पर है, इस ढांचे को $N$ सैंपलिंग बिंदुओं या वैकल्पिक प्रयोगात्मक सेटअप (जैसे, भिन्न प्रारंभिक स्थितियाँ या सीमा स्थितियाँ) के लिए विस्तारित किया जा सकता है, यदि डिटरमिनेंट स्थिति गैर-सिंगुलर बनी रहती है।