Optimal error estimates for a discontinuous Galerkin method on curved boundaries with polygonal meshes

Sintesi Tecnica: Stime di Errore Ottimali per un Metodo Discontinuous Galerkin su Confini Curvi con Mesh Poligonali

Enunciato del Problema
Il documento affronta la soluzione numerica di problemi al contorno, specificamente equazioni di advezione-diffusione-reazione lineari bidimensionali, su domini con confini curvi arbitrari e regolari ($\Omega$). Una sfida primaria in questo contesto è la perdita dell'ordine di convergenza che si verifica quando il dominio fisico viene approssimato da una mesh poligonale ($\Omega_h$). I metodi Discontinuous Galerkin (DG) standard, quando applicati a tali approssimazioni poligonali con condizioni al contorno imposte direttamente sul confine computazionale ($\partial\Omega_h$), soffrono generalmente di una convergenza subottimale. L'errore geometrico introdotto dal disallineamento tra il confine fisico curvo e il confine computazionale lineare a tratti può inquinare la soluzione, limitando l'accuratezza a un ordine massimo di secondo, indipendentemente dal grado polinomiale utilizzato.

Metodologia
Gli autori propongono e analizzano il metodo DG–ROD (Discontinuous Galerkin – Reconstruction for Off-site Data). Questo approccio estende una strategia precedentemente sviluppata per i metodi Finite Element (FE) e Finite Volume (FV) al framework DG.

• Mesh e Spazio: Il dominio fisico è discretizzato utilizzando mesh poligonali (triangolari) standard. Il metodo utilizza spazi di Sobolev spezzati e spazi polinomiali discontinui a tratti ($S_{h,N}$).
• Trattamento delle Condizioni al Contorno: Invece di imporre le condizioni al contorno prescritte direttamente sul confine poligonale $\partial\Omega_h$, il metodo DG–ROD impiega una ricostruzione polinomiale. Per ogni elemento di confine, viene risolto un problema di minimizzazione vincolato per determinare un polinomio locale che minimizzi la distanza dalla soluzione numerica pur soddisfacendo le condizioni al contorno esatte in punti specifici sul vero confine fisico $\partial\Omega$.
• Formulazione Variazionale: Il metodo combina lo schema Symmetric Interior Penalty (SIP) per la diffusione con uno schema upwind per i termini di advezione-reazione. I dati di contorno ricostruiti ($g_{ROD}$) sono incorporati direttamente nella formulazione variazionale primaria, correggendo efficacemente il disallineamento geometrico all'interno della forma debole.
• Implementazione: Gli autori adottano una formulazione globale in cui la ricostruzione e il solutore DG vengono risolti in un unico passaggio, piuttosto che attraverso un approccio iterativo alternato.

Contributi Chiave e Analisi Teorica
Il documento fornisce un'analisi teorica rigorosa del metodo DG–ROD, stabilendo esistenza, unicità e stime di errore ottimali sia per domini convessi che non convessi.

1. Ben-posedness (Ben-posto): Gli autori dimostrano la limitatezza della forma bilineare e stabiliscono una condizione di inf-sup (tramite il teorema di Banach–Nečas–Babuška), garantendo l'esistenza e l'unicità della soluzione discreta per una dimensione di mesh $h$ sufficientemente piccola e un parametro di penalità $\eta$ sufficientemente grande.
2. Domini Convessi: Per domini convessi, gli autori dimostrano che l'ortogonalità di Galerkin è mantenuta. Sotto opportune ipotesi di regolarità sulla soluzione esatta, derivano:
   • Convergenza ottima di ordine $O(h^N)$ nella norma DG (norma energia).
   • Convergenza ottima di ordine $O(h^{N+1})$ nella norma $L^2$ tramite argomenti di dualità.
3. Domini Non Convessi: In contesti non convessi, l'approssimazione geometrica rompe la standard ortogonalità di Galerkin. Gli autori introducono un termine di residuo derivante dall'estensione della soluzione a un dominio liscio più ampio $\tilde{\Omega}$. Derivano stime di errore che includono un termine di residuo dipendente dal disallineamento geometrico.
   • L'analisi teorica suggerisce che per domini non convessi con $N > 2$, la convergenza ottima nella norma $L^2$ potrebbe non essere raggiunta a meno che il dominio computazionale non approssimi il dominio fisico con un'accuratezza superiore (ordine $h^q, q>2$) o la soluzione non ammetta un'estensione regolare che soddisfi specifiche condizioni.
   • L'analisi evidenzia come la perdita di ortogonalità costituisca la principale sfida tecnica nel caso non convesso.

Risultati Numerici
Le scoperte teoriche sono validate attraverso esperimenti numerici su tre geometrie di benchmark: un disco (convesso), un anello (non convesso) e un dominio a forma di rosa (non convesso).

• Confronto: I risultati confrontano il metodo DG classico (imponendo le condizioni su $\partial\Omega_h$) con il metodo DG–ROD.
• Prestazioni: Il metodo DG classico dimostra costantemente un deterioramento dell'accuratezza, con tassi di convergenza limitati a circa il secondo ordine, indipendentemente dal grado polinomiale $N$.
• Efficacia del DG–ROD: Il metodo DG–ROD recupera con successo i tassi di convergenza ottimali ($O(h^{N+1})$ in $L^2$) per $N=2, 3, 4$ in tutte le geometrie testate e per vari coefficienti di advezione-reazione. In particolare, anche nel dominio non convesso a forma di rosa, il metodo raggiunge tassi ottimali, ciò che gli autori attribuiscono all'uso di soluzioni prodotte (manufactured solutions) lisce che permettono estensioni regolari, aggirando efficacemente le limitazioni teoriche del caso peggiore derivate per i casi non convessi generali.

Significatività e Rivendicazioni
Il documento sostiene di fornire la prima analisi teorica rigorosa del metodo DG–ROD, estendendo il framework teorico dai Finite Element ai metodi Discontinuous Galerkin.

• Ripristino dell'Accuratezza: La principale significatività è la dimostrazione che i tassi di convergenza ottimali possono essere ripristinati su semplici mesh poligonali senza la necessità di complessi elementi curvi o mappature isoparametriche, a condizione che i dati di contorno siano ricostruiti tramite la tecnica ROD.
• Robustezza: I risultati numerici confermano la robustezza del metodo nel gestire domini sia convessi che non convessi con confini curvi.
• Modestia sulle Limitazioni: Gli autori riconoscono che, sebbene le stime di errore teoriche per domini non convessi suggeriscano una potenziale sub-ottimalità per $N > 2$ senza specifiche condizioni di regolarità, i benchmark numerici con soluzioni lisce mostrano che il metodo opera ottimamente nella pratica. Notano inoltre che le estensioni a equazioni non lineari, problemi dipendenti dal tempo e altre condizioni al contorno (Neumann, Robin) rimangono sfide aperte per la ricerca futura. Il lavoro suggerisce anche che l'approccio è adattabile a problemi tridimensionali, citando lavori correlati nella teoria classica dei Lagrange finite elements.