A backward problem for the time-fractional pseudo-parabolic equation with a variable coefficient

यहाँ अर्शिन अल्टीबे (Arshyn Altybay) के शोध पत्र "A BACKWARD PROBLEM FOR THE TIME-FRACTIONAL PSEUDO-PARABOLIC EQUATION WITH A VARIABLE COEFFICIENT" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

यह शोध पत्र एक समय-परिवर्तनीय गुणांक (time-dependent coefficient) वाले टाइम-फ्रैक्शनल स्यूडो-पैराबोलिक समीकरण के लिए एक इनवर्स प्रॉब्लम (विशेष रूप से, बैकवर्ड-इन-टाइम समस्या) को संबोधित करता है। नियंत्रित समीकरण है:

$$\partial^\alpha_t u(x, t) - u_{xx}(x, t) - \mu(t) u_{xxt}(x, t) = f(x, t), \quad (x, t) \in (0, l) \times (0, T)$$

मुख्य घटक:

• ऑपरेटर: $\partial^\alpha_t$ क्रम $\alpha \in (0, 1)$ का कैपूटो (Caputo) फ्रैक्शनल डेरिवेटिव है।
• गुणांक (Coefficient): $\mu(t)$ एक समय-परिवर्तनीय स्यूडो-पैराबोलिक गुणांक है।
• सीमा स्थितियाँ (Boundary Conditions): होमोजेनियस डिरिचलेट स्थितियाँ $u(0, t) = u(l, t) = 0$।
• डेटा: सोर्स टर्म $f(x, t)$ और अंतिम-समय मापन (final-time measurement) $u(x, T) = \psi(x)$ ज्ञात हैं।
• लक्ष्य: अज्ञात प्रारंभिक अवस्था $u_0(x) = u(x, 0)$ और पूरे प्रक्षेपवक्र (trajectory) $u(x, t)$ को पुनर्गठित करना।

यह समस्या मेमोरी और रिलैक्सेशन प्रभावों के साथ विसंगत परिवहन (anomalous transport) घटनाओं को मॉडल करती है, जो छिद्रपूर्ण माध्यम निस्पंदन (porous media filtration) और गैर-न्यूटनियन द्रव गतिकी में सामान्य है। बैकवर्ड समस्या स्वाभाविक रूप से इल्ल-पोज़्ड (ill-posed) है, जिसका अर्थ है कि अंतिम डेटा $\psi$ में छोटी त्रुटियां पुनर्गठित प्रारंभिक अवस्था में बड़े विचलन का कारण बन सकती हैं।

2. कार्यप्रणाली (Methodology)

लेखक एक तीन-आयामी दृष्टिकोण का उपयोग करते हैं: सैद्धांतिक विश्लेषण, फॉरवर्ड समस्या का संख्यात्मक विवेकीकरण (numerical discretization), और इनवर्स समस्या के लिए एक रेगुलराइज्ड पुनर्गठन एल्गोरिदम।

A. सैद्धांतिक विश्लेषण (अस्तित्व और विशिष्टता)

• स्पेक्ट्रल अपघटन (Spectral Decomposition): समस्या का विश्लेषण स्थानिक ऑपरेटर $-\partial_{xx}$ के आइगेनफंक्शंस (sine series expansion) का उपयोग करके किया जाता है।
• वोल्टेरा रिडक्शन (Volterra Reduction): समस्या को आइगेनबेसिस पर प्रोजेक्ट करके, यह फ्रैक्शनल साधारण अवकल समीकरणों (ODEs) के एक सिस्टम में बदल जाती है। इन्हें कमजोर रूप से सिंगुलर कर्नेल वाले द्वितीय प्रकार के वोल्टेरा इंटीग्रल समीकरणों में परिवर्तित किया जाता है।
• स्पष्ट पुनर्गठन (Explicit Reconstruction): लेखक समाधान $u(x, t)$ और प्रारंभिक डेटा $u_0(x)$ के लिए एक स्पष्ट श्रृंखला प्रतिनिधित्व (series representation) व्युत्पन्न करते हैं।
• पॉजिटिविटी लेम्मा (Positivity Lemma): एक महत्वपूर्ण चरण यह सिद्ध करना है कि पुनर्गठन सूत्र में गुणांक फलन $A_k(T)$ पूरी तरह से धनात्मक है, जिससे समाधान सुव्यवस्थित रहता है।
• स्थिरता (Stability): प्रारंभिक अवस्था की अंतिम डेटा पर निरंतर निर्भरता स्थापित की गई है, जो $L^2$ नॉर्म्स में स्थिरता अनुमान प्रदान करती है।

B. संख्यात्मक विवेकीकरण (फॉरवर्ड सॉल्वर)

प्रत्यक्ष (फॉरवर्ड) समस्या को संख्यात्मक रूप से हल करने के लिए, एक फाइनाइट-डिफरेंस स्कीम विकसित की गई है:

• स्थानिक विवेकीकरण (Spatial Discretization): लैपलेसियन ($u_{xx}$) और मिश्रित अवकल पद ($u_{xxt}$) के लिए मानक द्वितीय-क्रम सेंट्रल डिफरेंस का उपयोग किया जाता है।
• कालिक विवेकीकरण (Temporal Discretion): कैपूटो डेरिवेटिव को एक ग्रेटेड टेम्पोरल मेश ($t_k = T(k/M)^r$) पर L1 स्कीम का उपयोग करके अनुमानित किया जाता है। फ्रैक्शनल डेरिवेटिव की विशिष्ट प्रारंभिक सिंगुलैरिटी ($\partial_t u \sim t^{\alpha-1}$) को संभालने के लिए ग्रेटेड मेश आवश्यक हैं।
• रैखिक प्रणाली (Linear System): विवेकीकरण प्रत्येक टाइम स्टेप पर एक ट्राइएंगुलर (tridiagonal) रैखिक प्रणाली उत्पन्न करता है, जिसे थॉमस एल्गोरिदम के माध्यम से कुशलतापूर्वक हल किया जाता है।
• विश्लेषण: इस स्कीम को अनकंडीशनली स्टेबल (unconditionally stable) और कनवर्जेंट (convergent) सिद्ध किया गया है। कन्वर्जेंस दर ग्रेटेड मेश के लिए इष्टतम है, जो मुख्य रूप से स्यूडो-पैराबोलिक पद के विवेकीकरण की प्रथम-क्रम सटीकता द्वारा सीमित है।

C. इनवर्स रिकंस्ट्रक्शन एल्गोरिदम

इनवर्स समस्या को ऑपरेटर निर्माण + टिखोनोव रेगुलराइजेशन (Tikhonov regularization) दृष्टिकोण का उपयोग करके हल किया जाता है:

1. फॉरवर्ड मैप निर्माण: डिस्क्रीट फॉरवर्ड सॉल्यूशन ऑपरेटर $F_h$ को इम्पल्स इनिशियल कंडीशंस (कैनोनिकल बेस वेक्टर्स) और शून्य सोर्स टर्म के साथ $N-1$ बार फॉरवर्ड सॉल्वर चलाकर बनाया जाता है।
2. एफाइन स्प्लिटिंग (Affine Splitting): अंतिम अवस्था को एक होमोजेनियस भाग (जो $u_0$ पर निर्भर है) और एक फोर्स्ड भाग (जो $f$ पर निर्भर है) में विभाजित किया जाता है।
3. रेगुलराइजेशन: पुनर्गठन को जीरो-ऑर्डर टिखोनोव रेगुलराइजेशन का उपयोग करके एक मिनिमाइजेशन समस्या के रूप में तैयार किया गया है:
   $$J_\lambda(u_{0,h}) = \frac{1}{2} \| F_h u_{0,h} - d_h \|_2^2 + \frac{\lambda}{2} \| u_{0,h} \|_2^2$$
   जहाँ $d_h$ मापे गए अंतिम डेटा और फोर्स्ड योगदान के बीच का अंतर है। पैरामीटर $\lambda$ इल्ल-पोज़्ड सिस्टम को स्थिर करता है।

3. प्रमुख योगदान (Key Contributions)

1. सैद्धांतिक कठोरता (Theoretical Rigor): यह शोध पत्र समय-परिवर्तनीय गुणांक $\mu(t)$ के साथ टाइम-फ्रैक्शनल स्यूडो-पैराबोलिक समीकरण के लिए अस्तित्व और विशिष्टता का पहला कठोर प्रमाण प्रदान करता है। पिछले कार्यों में अक्सर स्थिर गुणांकों पर ध्यान केंद्रित किया गया था या पूर्ण संख्यात्मक विश्लेषण की कमी थी।
2. स्थिर संख्यात्मक स्कीम: प्रत्यक्ष समस्या के लिए ग्रेटेड मेश पर एक स्थिर, कन्वर्जेंट फाइनाइट-डिफरेंस स्कीम का विकास, जो इनवर्स सॉल्वर के आधार के रूप में कार्य करता है।
3. मजबूत इनवर्स एल्गोरिदम: एक व्यावहारिक पुनर्गठन एल्गोरिदम जो फॉरवर्ड सॉल्वर को टिखोनोव रेगुलराइजेशन के साथ जोड़ता है, जिसे विशेष रूप से शोर युक्त (noisy) अंतिम-समय डेटा को संभालने के लिए डिज़ाइन किया गया है।
4. व्यापक सत्यापन: शोर-मुक्त और शोर युक्त दोनों स्थितियों के तहत विधि का व्यापक संख्यात्मक प्रयोग, जो इसकी लचीलेपन को प्रदर्शित करता है।

4. संख्यात्मक परिणाम (Numerical Results)

• शोर-मुक्त सत्यापन (Noise-Free Validation): विधि प्रारंभिक अवस्था को उच्च सटीकता के साथ सफलतापूर्वक पुनर्गठित करती है। त्रुटि विश्लेषण अपेक्षित कन्वर्जेंस दर दिखाता है जब स्थानिक ($N$) और टेम्पोरल ($M$) ग्रिड को परिष्कृत किया जाता है। पुनर्गठित प्रारंभिक अवस्था और फॉरवर्ड-प्रोपैगेटेड अंतिम अवस्था सटीक समाधानों से निकटता से मेल खाते हैं।
• नॉइजी डेटा मजबूती (Noisy Data Robustness):
  • प्रयोग 1%, 3%, और 5% के स्तर पर योगात्मक गॉसियन शोर (additive Gaussian noise) के साथ किए गए।
  • परिणाम: जैसे-जैसे शोर का स्तर बढ़ा, पुनर्गठित प्रारंभिक अवस्था में त्रुटि बढ़ी, लेकिन यह वृद्धि नियंत्रित और आनुपातिक (stable dependence) थी, न कि अनियंत्रित।
  • विजुअल्स: 5% शोर के साथ भी, टिखोनोव रेगुलराइजेशन ने प्रारंभिक अवस्था के मुख्य आकार को बनाए रखा, जिससे अवांछित दोलन (spurious oscillations) रुक गए।
  • फ्रैक्शनल ऑर्डर संवेदनशीलता: पाया गया कि सटीकता फ्रैक्शनल ऑर्डर $\alpha$ के प्रति अपेक्षाकृत कम संवेदनशील है, जबकि शोर का स्तर त्रुटि के परिमाण को प्रभावित करने वाला प्रमुख कारक है।

5. महत्व (Significance)

यह कार्य टाइम-फ्रैक्शनल स्यूडो-पैराबोलिक समीकरणों के लिए इनवर्स समस्याओं के संबंध में साहित्य में एक महत्वपूर्ण अंतर को भरता है।

• भौतिक प्रासंगिकता: यह समय-परिवर्तनीय सामग्री गुणों ($\mu(t)$) वाले मॉडलों को संबोधित करता है, जो फ्रैक्चर चट्टानों में द्रव परिवहन या निस्पंदन प्रक्रियाओं जैसे इंजीनियरिंग अनुप्रयोगों के लिए अधिक यथार्थवादी हैं।
• इल्ल-पोज़्डनेस हैंडलिंग: यह फ्रैक्शनल डिफ्यूजन-वेव मॉडल में बैकवर्ड समस्याओं को हल करने के लिए एक व्यवहार्य कम्प्यूटेशनल फ्रेमवर्क प्रदर्शित करता है, जो अत्यधिक अस्थिर होते हैं।
• भविष्य का प्रभाव: यह कार्य बहु-आयामी डोमेन और नॉन-लीनियर सोर्स टर्म्स तक अपने विश्लेषण को विस्तारित करने के लिए एक टेम्पलेट प्रदान करता है, जो अधिक जटिल भौतिक सिमुलेशन के लिए महत्वपूर्ण हैं।

संक्षेप में, यह शोध पत्र जटिल फ्रैक्शनल डिफ्यूजन सिस्टम में प्रारंभिक स्थितियों की पहचान करने के लिए एक ठोस सैद्धांतिक आधार और एक मजबूत संख्यात्मक ढांचा स्थापित करता है, यह सिद्ध करते हुए कि डेटा शोर से दूषित होने पर भी सटीक पुनर्गठन संभव है।