Strong convergence of finite element schemes for the stochastic Landau--Lifshitz--Bloch equation

1. Il Problema

Il documento affronta la dinamica della magnetizzazione in un ferromagnete limitato ($D \subset \mathbb{R}^d$, con $d=1, 2$) a temperature elevate, superiori alla temperatura di Curie. In queste condizioni, le fluttuazioni termiche e il rumore stocastico diventano dominanti, rendendo necessario l'uso di modelli stocastici.
L'equazione di riferimento è l'equazione stocastica di Landau-Lifshitz-Bloch (sLLB), una equazione alle derivate parziali (PDE) stocastica quasi-lineare vettoriale:
$$du = \left( \kappa_1\Delta u + \gamma u \times \Delta u - \kappa_2(1 + \mu |u|^2)u \right) dt + (\kappa_1 g + \gamma u \times g) \circ dW$$
dove $u$ è il campo vettoriale di magnetizzazione, $W$ è un processo di Wiener, e i termini non lineari (prodotto vettoriale e termini di ordine superiore) presentano sfide significative per l'analisi numerica a causa della loro natura non globalmente Lipschitziana e non monotona.

Il lavoro si concentra sullo sviluppo e l'analisi di schemi agli elementi finiti completamente discreti (spazio e tempo) per risolvere questa equazione, con l'obiettivo di stabilire la convergenza forte in $L^2(\Omega)$ e fornire tassi di convergenza espliciti, superando i limiti delle analisi precedenti che si basavano su tempi di arresto discreti o convergenza in probabilità.

2. Metodologia

L'approccio metodologico combina analisi stocastica avanzata e tecniche numeriche agli elementi finiti:

• Stime di Momenti Esponenziali: Un pilastro fondamentale dell'analisi è la derivazione di nuove stime di momenti esponenziali per la soluzione esatta dell'equazione sLLB. Queste stime (Teorema 3.5) sono cruciali per controllare la crescita delle soluzioni e per ottenere stime di errore globali senza ricorrere a tempi di arresto.
• Tecnica di Localizzazione: Per gestire le non linearità non globalmente Lipschitziane, l'autore utilizza una tecnica di localizzazione. Si definiscono sottoinsiemi dell'insieme di probabilità $\Omega$ (dove la soluzione esatta rimane limitata in norme appropriate) e si derivano stime di errore su questi insiemi. La probabilità del complemento di questi insiemi è poi controllata tramite le stime di momenti esponenziali.
• Schemi Numerici Proposti:
  • Caso $d=1$: Viene analizzato uno schema semi-implicito (già proposto in letteratura precedente) e proposto un nuovo schema implicito. Lo schema implicito tratta il termine di prodotto vettoriale non lineare in modo implicito, migliorando la stabilità.
  • Caso $d=2$: Poiché la regolarità della soluzione per l'equazione originale non è nota in 2D, si utilizza una versione regularizzata dell'equazione (sLLB regolarizzata, Eq. 1.2) che include un termine di ordine superiore ($-\varepsilon \Delta^2 u$). Per questo caso, viene analizzato uno schema agli elementi finiti $C^1$-conforme.
• Decomposizione dell'Errore: L'errore numerico viene decomposto in una parte di approssimazione spaziale (proiezione di Ritz o proiettore ellittico) e una parte discreta, permettendo di isolare le fonti di errore.

3. Contributi Chiave

I principali contributi teorici del lavoro sono:

1. Nuove Stime di Momenti Esponenziali: Dimostrazione di limiti esponenziali per la soluzione esatta dell'equazione sLLB (e della sua versione regolarizzata) in dimensioni $d \le 2$. Questi risultati sono nuovi per questo modello e hanno implicazioni indipendenti sulla stabilità.
2. Convergenza Forte in $L^2(\Omega)$: Stabilimento della convergenza forte degli schemi numerici sull'intero spazio campionario, con tassi di convergenza espliciti (sebbene sub-ottimali a causa della natura delle non linearità). Questo supera i risultati precedenti che garantivano la convergenza solo fino a un tempo di arresto.
3. Miglioramento dei Tassi di Convergenza:
   • Per lo schema semi-implicito in $d=1$, si ottiene un tasso di convergenza in probabilità di ordine $O(h + k^{1/2-\delta})$ nella norma $L^2$ e $O(h + k^{1/2-\delta})$ nella norma $H^1$ (per lo schema implicito).
   • Per lo schema $C^1$-conforme in $d=2$ (sulla versione regolarizzata), si ottiene un tasso di $O(h^2 + k^{1/2-\delta})$ in probabilità.
4. Stabilità Esponenziale e Unicità della Misura Invariante: Come sottoprodotto delle stime di momenti, si dimostra la stabilità esponenziale in media quadratica per $d=1$ sotto l'assunzione di rumore sufficientemente piccolo, garantendo l'unicità della misura invariante associata al sistema.
5. Nuovo Schema Implicito per $d=1$: Proposta e analisi di uno schema completamente implicito che raggiunge un tasso di convergenza ottimale nella norma $H^1$ in probabilità.

4. Risultati Principali

• Teoremi di Convergenza: I Teoremi 4.5, 5.5 e 6.7 forniscono le stime di errore forti per gli schemi semi-impliciti ($d=1, 2$) e impliciti ($d=1$). Le stime mostrano che l'errore tende a zero con un tasso che dipende da $h$ e $k$, sebbene con un fattore logaritmico o esponenziale negativo che rende il tasso sub-ottimale rispetto alla regolarità teorica della soluzione, ma comunque convergente.
• Stabilità: La Proposizione 3.6 dimostra che, per un rumore piccolo, la differenza tra due soluzioni con condizioni iniziali diverse decade esponenzialmente nel tempo.
• Esperimenti Numerici: La Sezione 7 presenta simulazioni numeriche che validano i risultati teorici:
  • Simulazione 1 ($d=1$, schema implicito): Conferma i tassi di convergenza teorici nella norma $H^1$ e mostra un tasso ancora migliore nella norma $L^2$.
  • Simulazione 2 ($d=2$, schema semi-implicito): Anche se l'analisi teorica rigorosa per $d=2$ richiede la regolarizzazione, gli esperimenti mostrano che lo schema mantiene i tassi di convergenza attesi.
  • Simulazione 3 (Stabilità): Verifica numerica della stabilità esponenziale. Per rumore piccolo, la differenza tra due traiettorie decade esponenzialmente; per rumore grande, questo comportamento di contrazione si perde, confermando la dipendenza dalle condizioni di piccolo rumore.

5. Significato e Impatto

Questo lavoro rappresenta un avanzamento significativo nella teoria numerica delle PDE stocastiche non lineari applicate alla micromagnetica:

• Rigore Matematico: Chiude un divario importante fornendo prove di convergenza forte globale, un risultato difficile da ottenere per equazioni con non linearità non monotone.
• Applicabilità Pratica: I risultati forniscono una base teorica solida per l'uso di simulazioni numeriche nello sviluppo di tecnologie di registrazione magnetica assistita dal calore (HAMR), dove la modellazione accurata delle fluttuazioni termiche è critica.
• Metodologia Innovativa: L'uso combinato di stime di momenti esponenziali e tecniche di localizzazione offre un modello per l'analisi di altre PDE stocastiche complesse che non rientrano nelle categorie standard di equazioni monotone o globalmente Lipschitziane.

In sintesi, il paper non solo migliora i tassi di convergenza noti per gli schemi esistenti, ma estende anche la validità delle analisi a tutto lo spazio di probabilità, offrendo strumenti robusti per la simulazione affidabile della dinamica magnetica ad alte temperature.