Numerical identification of the time-dependent coefficient in the heat equation with fractional Laplacian

技術要約：スペクトル分数型ラプラシアンを用いた熱方程式における時間依存係数の数値的同定

問題の定式化
本論文は、スペクトル・ディリクレ分数型ラプラシアン $(-\Delta_D)^s$ （ただし $0 < s < 1$）によって支配される、1次元熱方程式に関する逆係数問題を扱っている。支配方程式は以下の通りである：
$$u_t(t, x) + (-\ \Delta_D)^s u(t, x) = r(t)f(t, x), \quad (t, x) \in (0, T] \times (0, l)$$
ここで、斉次ディリクレ境界条件および所与の初期状態 $u(0, x) = \phi(x)$ が課されている。目的は、未知の時間依存ソース係数 $r(t)$ と状態 $u(t, x)$ を同時に決定することである。利用可能なデータは、完全な空間状態ではなく、重み付き積分測定（過決定条件）である：
$$\int_0^l u(t, x)\omega(x) \, dx = w(t), \quad 0 \le t \le T,$$
ここで、$\omega(x)$ は既知の重み関数であり、$w(t)$ は測定された応答である。著者らは、積分（制限付き）分数型ラプラシアンを用いたモデルとは異なり、古典的なディリクレ・ラプラシアンの固有対を利用するスペクトル定義を採用することで、古典的な問題の幾何学的構造と境界条件を保持している。

手法
著者らは、以下のステップを通じて、この逆問題に対する完全な数値的処理を開発した：

1. 連続定式化： 逆問題は、未知の係数 $r(t)$ に関する第2種ボルテラ積分方程式へと還元される。積分測定条件を微分し、解の半群表現を利用することにより、スカラー再構成公式が導出される。この導出は、非退化条件、具体的には内積 $(f(t), \omega)_{L^2}$ がゼロから離れて有界であることを前提としている。

2. 空間離散化： スペクトル分数型演算子は、標準的な2次精度ディリクレ有限差分ラプラシアン $L_h$ の分数行列べき $A_h = L_h^s$ を用いて離散化される。この演算子は離散サイン変換を用いて定義され、密な行列を明示的に形成することなく $A_h v$ を効率的に評価できる。

3. 時間離散化： 半離散系に対してクランク・ニコルソン法が適用される。このスキームは、結合された状態と係数の再構成を同時に扱うように構築されている。

4. 再構成アルゴニズム： 各タイムステップにおいて、アルゴリズムは、状態を伝播させ、ソース応答を計算するために、同一のシステム行列（クランク・ニコルソン・ステップに由来）を用いた2つの線形solveを実行する。その後、計算された状態と重み関数の離散内積を含む閉じたスカラー公式を用いて、係数 $r(t)$ が回収される。

5. ノイズを含むデータの処理： 積分測定にノイズが含まれる場合を想定し、著者らは適応的なサビツキー・ゴーレイ（Savitzky–Golay）正則化微分法を用いている。これは、直接的な数値微分がノイズによる高周波誤差を増幅させるため必要である。平滑化ウィンドウは、ノイズ低減と信号忠実度のバランスを取るための不一致基準に基づいて選択される。

主要な貢献と理論的結果

• 安定性と収束性： 本論文は、直接問題に対するクランク・ニコルソン法が無条件に安定していることを証明している。2次の空間一貫性の仮定（具体的には有限サイン展開に対して）の下で、本スキームは $L^2$ ノルムおよびエネルギーノルムの両方において $O(\tau^2 + h^2)$ の収束率を達成する。
• 識別可能性： 離散的な識別可能性条件が確立されており、連続的な非退化条件が満たされ、かつメッシュが十分に細かい場合には、再構成公式の分母がゼロにならないことが示されている。
• 条件付き収束： 著者らは、結合された状態・係数再構成の条件付き収束を確立している。回収された係数の誤差推定は、離散化誤差（$\tau^2 + h^2$）および測定データの微分 $w'(t)$ の近似誤差 $\eta$ に依存する。本論文では、$\eta$ の生のノイズレベルに対する収束率を導出するのではなく、$\eta$ を誤差境界のための与えられたパラメータとして扱うことを明記している。

数値実験の結果
手法の検証は、厳密解がディリクレ固有関数の有限和となる2つの製造例を用いて行われた。

• 収束性： 数値実験により、ノイズがない場合において、状態および係数の両方について、時間と空間の両方で理論通りの2次収束率が確認された。
• ノイズに対する堅牢性： 積分測定における1%、3%、および5%の相対ノイズを用いた実験により、適応的な正則化微分が再構成を効果的に安定化させることが示された。回収された係数の誤差はノイズレベルとともに増大するものの、手法は係数の主要なプロファイルを正常に回収できている。数値的な状態は、係数よりも摂動に対して感度が低いことが示されており、これは状態が安定した発展ステップを介して更新されるというアルゴリズムの構造と一致している。

意義
本論文は、スペクトル分数型ラプラシアンを用いた分数型熱方程式における、積分過決定を用いた時間依存ソースを同定するための完全な数値的枠組みを提供すると主張している。その意義は、閉じた形式の再構成公式を含む、厳密に導出された安定な2次精度のアルゴリズムを提供している点にある。その研究は、分数型拡散方程式の逆問題に関する既存の文献に対し、スペクトル定義とその関連する行列べき離散化を用いることで、具体的な貢献を行っている。著者らは、スペクトル型演算子の非局所的な性質と、ノイズを含む微分データによって導入される不安定性の問題に対処することで、理論的な定式化と実践的な数値解法の間の溝を埋めている。