A Galerkin Finite Element Method for the Fractional Calderón Problem

1. Il Problema: Il Problema di Calderón frazionario

Il lavoro si concentra sulla risoluzione numerica del problema inverso di Calderón frazionario.

• Contesto: A differenza del problema classico di Calderón (che riguarda la conduzione elettrica e l'operatore Laplaciano locale $\nabla \cdot (\gamma \nabla u) = 0$), questo studio considera l'equazione di Schrödinger frazionaria in un dominio limitato $\Omega \subset \mathbb{R}^d$:
  $$(-\Delta)^s u + q u = 0 \quad \text{in } \Omega, \quad u = f \quad \text{in } \Omega_e := \mathbb{R}^d \setminus \Omega,$$
  dove $s \in (0, 1)$ è l'ordine frazionario, $q$ è un potenziale incognito supportato in $\Omega$, e $f$ è un dato di Dirichlet esterno.
• Obiettivo: Ricostruire il potenziale $q$ partendo da una singola misurazione parziale esterna. Nello specifico, si prescrive un dato di Dirichlet $f$ supportato in un insieme aperto $W_1 \subset \Omega_e$ e si misura il flusso non locale (mappa Dirichlet-to-Neumann, DN) su un altro insieme aperto $W_2 \subset \Omega_e$.
• Sfide: Il problema è intrinsecamente mal posto (ill-posed). Sebbene esistano risultati di unicità globale basati sulla proprietà di continuazione unica (unique continuation) per operatori non locali, la mappa di ricostruzione è altamente instabile. La stabilità è tipicamente di tipo logaritmico, il che implica che piccoli errori nei dati (rumore) possono portare a grandi errori nella ricostruzione. Inoltre, l'operatore Laplaciano frazionario è non locale, generando matrici di sistema dense e costose da assemblare.

2. Metodologia Proposta

Gli autori propongono una strategia di ricostruzione numerica basata sul metodo di Galerkin agli elementi finiti (FEM), combinata con la regolarizzazione di Tikhonov. L'approccio si articola in due fasi principali:

A. Formulazione del Modello Inverso

Il problema inverso viene ridotto a un problema di continuazione unica esterna.

1. Decomposizione: La soluzione $u$ viene decomposta come $u = \bar{u}_f + u_0$, dove $\bar{u}_f$ è un'estensione nota del dato di Dirichlet $f$ e $u_0 \in \tilde{H}^s(\Omega)$ è la correzione interna incognita (che si annulla all'esterno).
2. Dati Pre-elaborati: Si definisce una quantità misurata pre-elaborata $\mu$ che dipende solo da $u_0$ e dai dati esterni. Il problema diventa recuperare $u_0$ dall'equazione $L u_0 = \mu$ su $W$, dove $L$ è un operatore di restrizione del Laplaciano frazionario.
3. Ricostruzione dello Stato: Si utilizza un funzionale di Tikhonov discreto per recuperare $u_0$ stabilizzando il problema inverso.
4. Ricostruzione del Coefficiente: Una volta ottenuta una stima di $u$, il potenziale $q$ viene recuperato risolvendo un problema ai minimi quadrati stabilizzato per l'identità $q = -(-\Delta)^s u / u$, evitando la divisione per valori piccoli di $u$ tramite regolarizzazione.

B. Discretizzazione e Assemblaggio

• Dominio Troncato: Il dominio infinito $\mathbb{R}^d$ viene troncato in un dominio limitato $\Omega_R$ sufficientemente grande.
• Spazi FEM: Si utilizzano spazi di elementi finiti continui a tratti ($V_h$) per lo stato e spazi discontinui ($Q_h$) per il coefficiente.
• Operatore di Osservazione Discreto: Un aspetto cruciale è la definizione dell'operatore di osservazione $L_h$. Grazie alla separazione geometrica tra il dominio $\Omega$ e l'insieme di misurazione $W$ (distanza $d_0 > 0$), l'integrale singolare del Laplaciano frazionario diventa non singolare su $W$. Questo permette di valutare l'operatore tramite quadrature standard su elementi, migliorando la robustezza numerica.
• Sistema Lineare: La fase di recupero dello stato porta alla risoluzione di un sistema lineare simmetrico e definito positivo (SPD) derivante dalle equazioni normali di Tikhonov. La fase di recupero del coefficiente risolve un sistema lineare SPD con una matrice di massa pesata.

3. Contributi Chiave

1. Realizzazione FEM del Principio di Unicità: Il lavoro traduce i risultati teorici di unicità basati sulla continuazione unica (dalla letteratura [19]) in un framework numerico Galerkin riutilizzabile.
2. Separazione del Flusso di Calcolo: Il metodo separa chiaramente la risoluzione del problema diretto (forward solver) dalla fase di inversione regolarizzata. L'operatore di osservazione discreto dipende solo dalla geometria e dall'ordine frazionario, permettendo di assemblarlo una sola volta e riutilizzarlo per diverse ricostruzioni.
3. Stime di Errore A Priori:
   • Viene dimostrata l'esistenza e l'unicità del ricostruttore discreto.
   • Si stabilisce la convergenza condizionata dello stato ricostruito verso la soluzione esatta sotto ipotesi di consistenza e scelta dei parametri.
   • Vengono derivate stime di errore a priori per lo stato e per il coefficiente.
   • Si combina l'errore di discretizzazione con la stabilità logaritmica nota per il problema continuo per ottenere un limite totale di errore per il potenziale recuperato.
4. Gestione della Non Località: Il framework è compatibile con schemi di troncamento e quadratura pratici per il Laplaciano frazionario integrale, gestendo efficientemente la densità delle interazioni non locali.

4. Risultati Numerici

Gli autori hanno condotto esperimenti numerici in 1D e 2D per validare il metodo:

• Potenziali Lisci: In un caso 1D con un potenziale liscio e compatto, il metodo ha mostrato stabilità rispetto al rumore e ha recuperato accuratamente il potenziale. L'andamento dell'errore in funzione del rumore è coerente con la stabilità logaritmica attesa (errore che decresce come $|\log \delta|^{-\gamma}$).
• Potenziali Discontinui: Per potenziali con discontinuità (es. funzioni a gradino), il metodo standard di minimi quadrati tende a smussare le interfacce. Gli autori hanno introdotto una regolarizzazione TV (Total Variation) nella fase di recupero del coefficiente. Questo approccio, sebbene non coperto dalla teoria di convergenza lineare del paper, ha dimostrato di preservare meglio le interfacce nette e di recuperare con precisione il supporto del potenziale.
• Dimensione 2D: Gli esperimenti in 2D su un potenziale "a cupola" hanno confermato la capacità del metodo di gestire geometrie più complesse, mostrando una migliore risoluzione del picco centrale rispetto a metodi precedenti citati in letteratura.

5. Significato e Impatto

Questo lavoro rappresenta un passo fondamentale verso la risoluzione pratica del problema di Calderón frazionario con una singola misurazione.

• Teorico-Numerico: Colma il divario tra la teoria di unicità (spesso puramente analitica) e l'implementazione numerica pratica per operatori non locali.
• Robustezza: Dimostra che è possibile ottenere ricostruzioni stabili anche in presenza di rumore, sfruttando la regolarizzazione di Tikhonov e la struttura specifica del problema frazionario.
• Flessibilità: Il framework proposto è modulare e può essere adattato a diverse geometrie e tipi di potenziali (lisci o discontinui), offrendo una base solida per futuri sviluppi in imaging medico, scienza dei materiali e modelli di diffusione anomala.

In sintesi, il paper fornisce una realizzazione numerica rigorosa e verificata sperimentalmente di un principio di ricostruzione basato sulla continuazione unica, offrendo stime di errore rigorose e dimostrando l'efficacia del metodo su casi di studio realistici.