Spectral coarse spaces based on indefinite operators: the $H_k$-GenEO method

技術要約：不定定値演算子に基づくスペクトル粗空間：Hk-GenEO法

問題設定
本論文は、不均質なヘルムホルツ方程式から生じる、高度に不定（indefinite）な境界値問題の数値解法に対処している：
$$-\nabla \cdot (A\nabla u) - k^2 n u = f \quad \text{in } \Omega, \quad u = 0 \quad \text{on } \partial\Omega,$$
ここで、$k > 0$ は大きな波数であり、$A$ は $L^\infty$ の成分を持つ正定値行列、$n$ は正の $L^\infty$ 関数である。焦点は、$k$ が大きい領域にあり、問題が高度に不定で、標準的な反復ソルバーにとって困難な状況にある場合である。正の半定値問題（positive semi-definite problems）に対しては、スペクトル粗空間（例：GenEO）を用いた古典的なドメイン分解法（DDM）が成功してきたが、正の半定値な局所固有値問題から構築された場合、高度に不定な問題に対してはロバスト性を失うことが多い。

手法
著者らは、不定演算子のために特別に設計された、Hk-GenEOと呼ばれる新しい2レベル加法型Schwarz前処理法を提案している。その手法は、以下の主要な構成要素を含む：

1. 局所的不定固有値問題： 正の半定値演算子（ラプラシアンなど）に依存する従来のスペクトル手法とは異なり、Hk-GenEOは、グローバル問題の完全な不定演算子に基づく局所的な一般化固有値問題（GEVP）を用いて粗空間を構築する。各粗サブドメイン $\Omega^c_i$ 上において、GEVPは以下のように定義される：
   $$-\nabla \cdot (A\nabla p) - k^2 n p = \lambda \left[ -\nabla \cdot (A\nabla (\Xi_i p)) + k^2 n (\Xi_i p) \right] \quad \text{on } \Omega^c_i,$$
   ここで、$\Xi_i$ は分割の一致（partition of unity）演算子である。右辺は正定値となるように修正されているが（解析で使用されるノルムに近いもの）、左辺は元のヘルムホルツ演算子の不定性を保持している。

2. 粗空間の構築： 粗空間 $V_0$ は、これらの局所的GEVPの最小固有値（負および小さな正の固有値を含む）に対応する固有関数によって張られる。この手法では、局所的GEVPが不定性を保持するように、局所サブドメインを十分に大きく取ることが明示的に許容されており、これにより高周波問題に不可欠な振動モードを捉えることができる。

3. 理論的枠組み： 著者らは、不定なGEVPに関する抽象的なスペクトル理論を開発している。これは、保持される固有関数の補空間において、GEVPに関連する双線型形式が正定値となる条件を確立するものである。この理論は、前処理されたGMRESソルバーのロバスト性のための十分条件を導出するために適用される。

4. ロバスト性の条件： 解析は、局所サブドメイン径 $H_\ell$、粗サブドメイン径 $H_c$、および固有値許容誤差 $\tau$（保持する固有モードの閾値）に関する、ロバストな収束のための明示的な条件を提供している。具体的には、以下の場合にロバスト性が保証される：

   • $H_\ell \lesssim k^{-1}$ （局所的な可解性を確保するため）。
   • $\tau \gtrsim (1+C_{stab})^2 k^2$ （十分なモードを保持するため）。
   • 決定的なことに、理論は明示的な上限制約を $H_c$ に課しておらず、これにより粗いサブドメインを大きくし、局所的GEVPを不定の状態に保つことが可能となっている。

主な貢献

• Hk-GenEOの定式化： 不定な局所演算子から直接構築されたスペクトル粗空間の導入。これは、正の半定値演算子を使用した従来の $\Delta$-GenEO や $H$-GenEO と対照的なものである。
• 抽象的不定スペクトル理論： 不定なGEVPに関する一般的な理論の開発。これには、固有ベクトルの存在の証明と、粗空間の補空間上で安定性を保証する射影演算子の構築が含まれる。
• 明示的なロバスト性推定： 波数 $k$ に関して明示的な収束条件の導出。本論文は、固有値許容誤差 $\tau$ が適切に選択されている限り、本手法が波数 $k$、サブドメイン数、および係数の不均質性に対してロバストであることを証明している。
• 分離された分解（Decoupled Decompositions）： 粗い分解（粗空間の構築に使用）を局所的な分解（1レベル・ソルブに使用）から分離できるという理論的および数値的な実証。これにより、異なるサブドメインサイズ（$H_c$ 対 $H_\ell$）の使用が可能となる。

数値結果
著者らは、FreeFEMフレームワークを用い、均質および不均質（層状媒体）の両方のケースについて、2次元での数値実験を提示している。

• $k$ に対するロバスト性： 中程度から大きな閾値（$\tau = 0.4, 0.6$）において、GMRESの反復回数は安定しており、$k$ やサブドメイン数 $N$ にほとんど依存しない。
• 閾値への感度： 小さな閾値（$\tau = 0.2$）では、$k$ の増大に伴い反復回数が大幅に増加し、ロバスト性の喪失を示す。
• 不均質性： 本手法は、係数 $A$ の高い変動に対して耐性を示しており、反復回数はコントラスト比に対して緩やかな依存性しか示さない。
• 粗空間の次元： 粗空間の次元は $k$ とともに緩やかに増加する（経験的に $O(k^{1.1} \text{ to } k^{1.4})$ と観察される）。これは、細かな空間の次元の増大（$O(k^2)$）よりも大幅に遅い。
• 分離された分解： 粗空間用の分解（より少ないサブドメイン数 $N$）を局所ソルバー（$Q$）と比較して使用することで、反復回数の増加がわずかであることを実験的に示しており、メモリ節約の可能性を示唆している。

意義と主張
本論文は、Hk-GenEOが高度に不定なヘルムホルツ型問題に対して実用的かつスケーラブルな前処理法であることを主張している。その主な意義は以下の通りである：

1. 正の半定値粗空間の限界の克服： 粗空間の構築において不定な演算子を利用することで、正の半定値的なアプローチが見逃してしまう、高周波における必要な振動モードを捉えることができる。
2. 理論的厳密性： 以前の研究（例：[5, 7]）に見られた経験的な観察を超え、不定な演算子に基づくスペクトル粗空間に関する初めての実質的な理論的分析を提供する。
3. 柔軟性： 本手法は、大きな粗いサブドメインと分離された分解を可能にし、これまで小さな共形な局所問題の必要性に制約されていたアルゴリズム設計に柔軟性をもたらす。

著者らは、固有値許容誤差 $\tau$ に関する理論的境界（$k^2$ に比例する）は、数値的な観察（定数 $\tau$ で十分な場合が多い）と比較して悲観的である可能性があると述べているが、本手法はこれらのより緩やかな実用的な条件下でもロバストである。本研究は、係数の不均質性と高い波数が、これまで反復ソルバーにとって大きな課題であった不定な偏微分方程式を解くための基礎を築くものである。