Efficient Krylov solvers for inverse source problem in 2D space-time fractional diffusion equation

技術要約：2次元時空分数拡散方程式における逆ソース問題のための効率的なKrylovソルバー

問題設定
本研究は、変数係数を伴う2次元時空分数拡散方程式（FDE）に関連する逆ソース問題を扱う。支配方程式には、時間に関するテンパード分数微分（$T D^{\xi,\rho}_t$）と、2つの空間次元におけるCaputo分数微分（$CD^{\eta_1}_x, CD^{\eta_2}_y$）が含まれる。目的は、初期条件とノイズを含む最終時刻のデータが与えられたときに、未知のソース項 $f(x, y)$ を再構成することである。

この問題は、Hadamardの意味において本質的に不良設定（ill-posed）であり、入力データ（ノイズレベル $\epsilon$）の小さな摂動が解に大きな誤差をもたらす可能性がある。これを軽減するために、著者らは**準境界値法（quasi-boundary value method）**を採用している。これは非局所的な正則化手法であり、不良設定な問題を、パラメータ依存の良設定な正則化問題へと変換するものである。

手法
提案手法は、数値離散化、一般局所Toeplitz（GLT）理論によるスペクトル解析、および効率的な反復ソルバーのための前処理器（プリコンディショナ）の設計を組み合わせたものである。

1. 離散化:

   • 正則化された問題は、有限差分スキームを用いて離散化される。テンパード分数時間微分はL1公式を用いて近似され、空間Caputo微分も同様にL1近似を用いて離散化される。
   • このプロセスにより、$\tilde{N} = (m+1)\nu(n)$（時間ステップ $m$ と空間格子点 $\nu(n) = n_1 n_2$ を組み合わせた総自由度）を表す大規模な「オールアットワンス（all-at-once）」線形システム $A_{\tilde{N}} v_\lambda = z_\lambda$ が得られる。
   • 得られる係数行列 $A_{\tilde{N}}$ は、複雑なマルチレベル・ブロック構造を示す。変数係数 $a(x, y)$ の存在により、この行列は厳密にはToeplitz行列ではないが、対角サンプリング行列によって摂動を受けたマルチレベル・ブロックToeplitz様構造を持つ。

2. スペクトル解析 (GLT理論):

   • 著者らは、一般局地Toeplitz（GLT）理論を用いて、行列列の漸近的スペクトル解析を行っている。このフレームワークにより、離散化された微分作用素から生じる大規模行列列の特異値および固有値分布を特徴付けることが可能となる。
   • 解析により、係数行列列のGLTシンボルが特定される。このシンボルは、時間ステップ・ブロックに関連するシンボル（テンパード微分に関連）と、変数係数および空間分数微分を含む空間作用素ブロックの和として導出される。
   • 解析により、行列列がこのシンボルに従って分布することが確認され、これが前処理の理論的根拠となる。

3. 前処理戦略:

   • GLT解析に基づき、著者らはブロック三角前処理器（$P_{\tilde{N}}$）を提案している。この前処理器は、元の行列 $A_{\tilde{N}}$ のブロック下三角構造を保持しつつ、対角ブロックを簡略化することで $A_{\tilde{N}}$ を近似する。
   • 理論的結果（定理5.2）は、前処理された行列列 $\{P_{\tilde{N}}^{-1} A_{\tilde{N}}\}$ が、GLTの意味において単位関数（シンボル = 1）として分布することを実証している。その結果、前処理されたシステムの固有値は、GMRESのようなKrylov部分空間法にとって望ましい性質である、1の周囲への弱いクラスタリングを示す。
   • 前処理器の対角ブロックを含む線形システムの解法には、標準的な手法（例：巡回近似や変数係数の積分平均）が用いられる。

主な貢献

• 定式化: 本論文は、変数係数を伴う2次元時空FDEに対する逆ソース問題を定式化し、ノイズに対する安定性を確保するために準境界値法を適用している。
• 構造解析: GLT理論を用いて、結果として得られる「オールアットワンス」離散化行列の厳密なスペクトル解析を行い、マルチレベル・ブロック構造に対するシンボルを明示的に導出している。
• 前処理器の設計: 離散化のマルチレベル構造を保持する、新しいブロック三角前処理器を構築している。著者らは、この前処理器が固有値の1へのクラスタリングをもたらし、理論的に効率的な収束を保証することを証明している。
• 計算効率: 提案手法は、行列・ベクトル積および前処理器の適用における計算コストを、$O(m^2 \nu(n))$ 操作（Toeplitz解法における対数因子を含む）に削減する行列構造を利用している。

数値結果
数値実験は、領域 $\Omega = (0, 1)^2$ において、様々な分数次（$\xi, \eta_1, \eta_2$）および格子サイズを用いて行われた。

• 収束性: 前処理されたGMRES法は、前処理なしのバージョンを大幅に上回った。例えば、格子サイズが $n_1=n_2=m=25$ の場合、特定の分数パラメータにおいて、反復回数は186回（前処理なし）から39回（前処理あり）へと減少し、約80%の削減を実現した。
• 堅牢性: 前処理されたシステムの反復回数は、時間離散化（$m$）が増加してもほぼ一定に保たれ、空間離散化（$n_1, n_2$）の増加に伴う増加も緩やかであった。対照的に、前処理なしのシステムでは、メッシュ細分化に伴い反復回数が急速に増加した。
• コスト: 前処理器の適用によるオーバーヘッドはあるものの、収束に必要なGMRES反復回数が劇的に減少したため、総CPU時間は大幅に削減された。

意義と主張
本論文は、提案されたフレームワークが、分数拡散モデルの逆ソース問題を解くための効率的かつスケーラブルなアプローチを提供すると主張している。正則化、構造保存型離散化、およびGLTベースのスペクトル解析を統合することにより、本手法はGMRESソルバーを効果的に加速させている。

著者らは、前処理器が、分数問題においてメッシュ細分化に伴って通常発生するスペクトル特性の劣化を効果的に緩和することを強調している。彼らは、クラスタリングが（マルチレベル問題で一般的であるように）「弱い」ものであるものの、得られる収束挙動は異なる分数次や離散化レベルに対して堅牢であることを述べている。本研究は、従来の一次元研究をより複雑な二次元の場合へと拡張し、高度な行列構造の活用が、非局所的な分数作用素および不良設定な逆問題がもたらす計算上の課題を克服できることを示している。

また、今後の展望として、これらの手法をより複雑な幾何形状、高次有限要素、アイソジオメトリック解析、および高次元空間へと拡張できる可能性を控えめに示唆しており、提示された理論的枠組みがこれらのシナリオにも適応可能であることを述べている。