Regularization operators for identifying the unknown source in the time-fractional convection-diffusion-reaction equation

यहाँ शोध पत्र "Regularization operators for identifying the unknown source in the time-fractional convection-diffusion-reaction equation" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या का विवरण (Problem Statement)

यह शोध पत्र एक अनबाउंडेड डोमेन (unbounded domain) पर टाइम-फ्रैक्शनल कन्वेक्शन-डिफ्यूजन-रिएक्शन समीकरण के लिए इनवर्स सोर्स आइडेंटिफिकेशन समस्या को संबोधित करता है। इसका लक्ष्य एक एकल मनमाने स्थानिक स्थिति $x_0$ पर लिए गए समाधान $u(x, t)$ के शोर युक्त (noisy) मापों के आधार पर एक समय-निर्भर स्रोत पद, $f(t)$, को पुनः प्राप्त करना है।

शासी समीकरण (Governing equation) है:
$$\partial^\alpha_{0+}u(x, t) = \omega u_{xx}(x, t) - \beta u_x(x, t) - \nu u(x, t) + f(t)$$
जहाँ:

• $\partial^\alpha_{0+}$ क्रम $0 < \alpha \leq 1$ का कैपुटो (Caputo) फ्रैक्शनल डेरिवेटिव है।
• $\omega, \beta, \nu$ क्रमशः डिफ्यूजन, कन्वेक्शन और रिएक्शन गुणांकों को दर्शाने वाले धनात्मक स्थिरांक हैं।
• प्रारंभिक और सीमा स्थितियाँ शून्य हैं ($u(x,0)=0, u(0,t)=0$), और समाधान $x \to \infty$ होने पर परिबद्ध (bounded) है।

चुनौती: यह समस्या हेडेमार्ड (Hadamard) के अर्थ में इल-पोज़्ड (ill-posed) है। विशेष रूप से, समाधान डेटा पर निरंतर रूप से निर्भर नहीं करता है। डेटा के उच्च-आवृत्ति घटकों (high-frequency components) में अत्यंत सूक्ष्म माप शोर भी इनवर्स ऑपरेटर द्वारा तेजी से बढ़ाया जाता है, जिससे अस्थिर और गैर-भौतिक समाधान उत्पन्न होते हैं।

2. कार्यप्रणाली (Methodology)

A. विश्लेणात्मक सूत्रीकरण (Analytical Formulation)

लेखक पहले समय के सापेक्ष फूरियर ट्रांसफॉर्म (Fourier transform) का उपयोग करके समस्या को विश्लेषणात्मक रूप से हल करते हैं।

1. PDE को फ्रीक्वेंसी डोमेन में बदलने से स्थान (space) के संबंध में एक साधारण अवकल समीकरण (ODE) प्राप्त होता है।
2. दी गई सीमा स्थितियों के साथ इस ODE को हल करने से फ्रीक्वेंसी डोमेन में स्रोत पद, $\hat{f}(\xi)$, को मापे गए डेटा $\hat{y}(\xi)$ के फलन के रूप में प्राप्त किया जा सकता है:
   $$\hat{f}(\xi) = \Lambda(\xi)\hat{y}(\xi)$$
   जहाँ $\Lambda(\xi)$ एक इनवर्स ऑपरेटर है।
3. अस्थिरता विश्लेषण (Instability Analysis): लेखक सिद्ध करते हैं कि $|\xi| \to \infty$ होने पर $\Lambda(\xi)$ अनबाउंडेड (unbounded) है। यह अनबाउंडेडनेस समस्या की इल-पोज़्ड प्रकृति की पुष्टि करती है, क्योंकि डेटा के उच्च-आवृत्ति घटकों में शोर, पुनर्निर्मित स्रोत में अनंत त्रुटियों का कारण बनता है।

B. रेगुलराइजेशन रणनीति (Regularization Strategy)

समाधान को स्थिर करने के लिए, लेखक तीन एक-पैरामीटर परिवारों के रेगुलराइजेशन ऑपरेटर्स ($R^i_\mu$ के लिए $i=1, 2, 3$) का प्रस्ताव करते हैं, जिन्हें $\Lambda(\xi)$ की अनबाउंडेड वृद्धि को बेअसर करने के लिए डिज़ाइन किया गया है। ये ऑपरेटर्स एक डिनोमिनेटर (denominator) पेश करके इनवर्स ऑपरेटर को संशोधित करते हैं जो उच्च आवृत्तियों को दबा देता है:

1. ऑपरेटर 1 ($R^1_\mu$): फ्रीक्वेंसी में क्वाड्रेटिक पेनल्टी (quadratic penalty) पर आधारित।
   $$(R^1_\mu \hat{y})(\xi) = \frac{\Lambda(\xi)}{1 + \mu^2 \xi^2} \hat{y}(\xi)$$
2. ऑपरेटर 2 ($R^2_\mu$): फ्रीक्वेंसी में क्वार्टिक पेनल्टी (quartic penalty) पर आधारित।
   $$(R^2_\mu \hat{y})(\xi) = \frac{\Lambda(\xi)}{1 + \mu^2 \xi^4} \hat{y}(\xi)$$
3. ऑपरेटर 3 ($R^3_\mu$): एक्सपोनेंशियल (गौसियन-जैसे) पेनल्टी पर आधारित।
   $$(R^3_\mu \hat{y})(\xi) = \frac{\Lambda(\xi)}{e^{\mu^2 \xi^2/4}} \hat{y}(\xi)$$

यहाँ, $\mu > 0$ एक रेगुलराइजेशन पैरामीटर है।

C. पैरामीटर चयन नियम (Parameter Selection Rule)

एक प्रमुख योगदान एक नया ए प्रियोरी (a priori) पैरामीटर चयन नियम प्रस्तावित करना है। पारंपरिक विधियों के विपरीत, जिन्हें अज्ञात स्रोत के नॉर्म (norm) के ज्ञान की आवश्यकता होती है (जो अक्सर उपलब्ध नहीं होता), यह नियम केवल शोर के स्तर ($\delta$) और अधिकतम सहनशील शोर ($\delta_M$) पर निर्भर करता है:
$$\mu^2 = \left( \frac{\delta}{\delta_M} \right)^{\frac{2}{p+2}}$$
जहाँ $p$, सोबोलेव स्पेस (Sobolev space) $H^p$ में स्रोत की स्मूथनेस (smoothness) से संबंधित है।

3. मुख्य योगदान (Key Contributions)

1. फ्रैक्शनल कन्वेक्शन-डिफ्यूजन-रिएक्शन तक विस्तार: जबकि पिछले कार्यों ने फ्रैक्शनल डिफ्यूजन या क्लासिकल पैराबोलिक समीकरणों पर ध्यान केंद्रित किया था, यह शोध पत्र स्रोत पहचान समस्या को अधिक जटिल टाइम-फ्रैक्शनल कन्वेक्शन-डिफ्यूजन-रिएक्शन समीकरण तक सामान्यीकृत करता है।
2. तीन रेगुलराइजेशन परिवार: विशिष्ट फ्रैक्शनल इनवर्स ऑपरेटर की संरचना के अनुरूप तीन अलग-अलग रेगुलराइजेशन ऑपरेटर्स का परिचय और तुलनात्मक विश्लेषण।
3. शोर-निर्भर पैरामीटर नियम: एक ऐसा पैरामीटर चयन नियम का व्युत्पन्न जो अज्ञात स्रोत के नॉर्म की पूर्व जानकारी की आवश्यकता नहीं करता है, जिससे यह विधि वास्तविक दुनिया के अनुप्रयोगों के लिए अधिक व्यावहारिक बन जाती है जहाँ "ग्राउंड ट्रुथ" अज्ञात होता है।
4. कठोर त्रुटि सीमाएँ (Rigorous Error Bounds): लेखक $L^2$ नॉर्म में अनुमान त्रुटि के लिए एक इष्टतम त्रुटि सीमा (optimal error bound) प्राप्त करते हैं। वे सिद्ध करते हैं कि रेगुलराइज्ड समाधान शोर स्तर $\delta \to 0$ होने पर वास्तविक स्रोत की ओर अभिसरित (converge) होते हैं।
   $$\|f - f^i_{\delta, \mu}\|_{L^2} \leq K_i \max \left\{ \left(\frac{\delta}{\delta_M}\right)^{\frac{2}{p+2}}, \left(\frac{\delta}{\delta_M}\right)^{\frac{p}{p+2}}, \left(\frac{\delta}{\delta_M}\right)^{\frac{p-2}{p+2}} \right\}$$

4. संख्यात्मक परिणाम और चर्चा (Numerical Results and Discussion)

लेखकों ने अलग-अलग स्रोत विशेषताओं वाले दो संख्यात्मक उदाहरणों का उपयोग करके अपने सैद्धांतिक निष्कर्षों को मान्य किया:

• उदाहरण 1 (विच्छिन्न स्रोत - Discontinuous Source): एक पीसवाइज कांस्टेंट फंक्शन (स्टेप-लाइक)। यह विधि की गिब्स फेनोमेनन (Gibbs phenomenon) और स्मूथनेस की कमी को संभालने की क्षमता का परीक्षण करता है।
• उदाहरण 2 (सतत स्रोत - Continuous Source): एक एक्सपोनेंशियलली डिकेइंग फंक्शन ($e^{-t}$)।

निष्कर्ष:

• स्थिरता (Stability): तीनों रेगुलराइजेशन ऑपरेटर्स ने समाधान को सफलतापूर्वक स्थिर किया, जिससे गैर-रेगुलराइज्ड मामले में देखी गई त्रुटियों के विस्फोट को रोका गया।
• अभिसरण (Convergence): जैसे-जैसे शोर का स्तर ($\epsilon$) कम हुआ, सापेक्ष त्रुटि (relative error) भी कम होती गई, जो सैद्धांतिक अभिसरण की पुष्टि करती है।
• प्रदर्शन तुलना:
  • $R^1_\mu$ (क्वाड्रेटिक डिनोमिनेटर) ने विभिन्न शोर स्तरों पर आम तौर पर सबसे कम सापेक्ष त्रुटियाँ दीं।
  • विधियों ने विच्छिन्न स्रोत के लिए भी अच्छा प्रदर्शन किया, बावजूद इसके कि सैद्धांतिक त्रुटि सीमाएँ यह मानती हैं कि स्रोत एक विशिष्ट सोबोलेव स्पेस ($H^p$) में है।
  • परिणाम बताते हैं कि स्मूथर हाई-फ्रीक्वेंसी फिल्टरिंग (जैसा कि एक्सपोनेंशियल ऑपरेटर $R^3_\mu$ द्वारा प्रदान की जाती है) प्रभावी है, लेकिन क्वाड्रेटिक फ़िल्टर ($R^1_\mu$) ने परीक्षण किए गए मामलों के लिए सबसे अच्छा संतुलन प्रदान किया।

5. महत्व (Significance)

यह कार्य महत्वपूर्ण है क्योंकि यह फ्रैक्शनल ट्रांसपोर्ट प्रक्रियाओं में इनवर्स समस्याओं के संबंध में साहित्य के अंतराल को भरता है।

• मॉडलिंग यथार्थवाद (Modeling Realism): फ्रैक्शनल कन्वेक्शन-डिफ्यूजन-रिएक्शन समीकरण, सरल डिफ्यूजन समीकरणों की तुलना में जटिल माध्यमों (जैसे छिद्रपूर्ण माध्यम, जैविक ऊतक) में विसंगत परिवहन (anomalous transport) के अधिक यथार्थवादी मॉडल हैं।
• व्यावहारिक प्रयोज्यता (Practical Applicability): अज्ञात स्रोत के नॉर्म से स्वतंत्र पैरामीटर चयन नियम प्रदान करके, प्रस्तावित विधि अधिक मजबूत और उन प्रयोगात्मक डेटा के लिए लागू करने योग्य है जहाँ "ग्राउंड ट्रुथ" उपलब्ध नहीं होता है।
• सैद्धांतिक आधार (Theoretical Foundation): त्रुटि सीमाओं का कठोर व्युत्पन्न और अभिसरण का प्रमाण भविष्य के संख्यात्मक कार्यान्वयन के लिए एक ठोस गणितीय आधार प्रदान करता है जो फ्रैक्शनल कैलकुलस से जुड़े इंजीनियरिंग और भौतिकी अनुप्रयोगों में शामिल हैं।