技術要約：多項式を超えた適応型有限要素空間の変分的強化（Variational Enrichment）

1. 問題設定

適応型有限要素法（FEM）は、伝統的にメッシュの細分化（$h$細分化）または局所的な多項式次数の増加（$p$細分化）によって近似誤差を制御してきた。これらの戦略は、幾何学的な局在化や多項式の滑らかさに対しては効果的であるが、解が輸送プロファイル、界面層、係数適応座標、あるいは振動位相といった、一貫した非多項式的な特徴を持つ場合には非効率となる。このような特徴は、短く解析的な記述が可能である場合が多いが、それらを解像するためには過剰な区分多項式座標を必要とする。

本稿で扱う核心的な問題は、より豊かな非多項式近似クラスから得られる安価な関数を、オプションのガラーキン強化として採用できるか、そして極めて重要な点として、真の解を知ることなく、通常の$h$および$p$のアクションとそれらの価値を比較できるか、という点である。既存の理論は、適応的な$h$収束、$hp$残差推定、およびパーティション・オブ・ユニティ（単位の分割）法を扱っているが、通常の細分化と候補となる非多項式関数を比較するための、参照解に依存しない共通の変分スケールが欠けていた。さらに、異種な強化ファミリーを組み合わせると、表現される関数が安定していても、冗長な係数や悪条件化が生じる可能性がある。

2. 手法

本稿では、**「変分的強化（Variational Enrichment）」を導入する。これは、コンパクトな表現（例：調和座標、輸送プロファイル、または合成関数）を持つ、適合的な物理的マクロ関数である「$c$-アクション」**を任意に追加するフレームワークである。この手法は、安定性、冗長性の除去、および有用性の評価を保証するために、以下の3つの数学的柱に基づいている。

2.1 適合的な強化空間と厳密な保存

本手法は、入れ子状の空間 $V_m = V_1(\mathcal{T}_m) + \text{span}(\mathcal{M}_m)$ を構築する。ここで、$\mathcal{M}_m$ はコンパクトなマクロ関数を含む。重要な要件は**「厳密な保存（exact preservation）」**である。メッシュが細分化（$h$細分化）される際、受け入れられた強化関数は、同じ物理的関数として正確に表現され続けなければならない。これにより、ガラーキン目的関数の単調性が確保され、連続する誤差が異なる関数同士の比較になることを防ぐ。

2.2 商－Schur安定性と冗長性の除去

新しい関数を追加する際の冗長性と悪条件化に対処するため、本フレームワークは**「商－Schur解析（Quotient–Schur analysis）」**を採用する。

• 商（Quotienting）: 同じ関数（または現在の空間に既に存在する関数）を表す係数を特定し、除去する。
• Schur補行列（Schur Complement）: 提案された強化の、真に新しい部分を一般化されたSchur補行列（$R_\ell = (I - P_{\ell-1})S_\ell$）を通じて孤立させる。
• 安定性: 理論は、商係数空間において、エネルギー・グラム演算子が一様に有界かつ可逆であることを保証し、係数の摂動が制御された関数的影響をもたらすことを保証する。

2.3 正確な変分利得と誤差制御

提案された強化の有用性は、その**「正確な変分利得（Exact Variational Gain）」**によって測定される。

• 利得恒等式: 対称強形式の問題において、関数のブロックを付加することによって得られる二乗エネルギー誤差の減少は、$\langle b, D^\dagger b \rangle$ で与えられる。ここで、$b$ は新しい方向への投影された残差であり、$D$ は新しい方向のグラム演算子である。この量は、真の解を知ることなく計算可能である。
• 誤差境界: **「商フラックス・マジョラント（Quotient-Flux Majorant）」**は、残りのエネルギー誤差に対する、参照解に依存しない保証された上界を提供する。
• 摂動に強いランキング: 不正確なアセンブリや数値積分を扱うため、本手法は摂動マージンを用いて、数値ノイズが存在する場合でも候補となる強化のランキングが信頼できることを保証する。

2.4 適応アルゴリズム

適応アルゴリズム（Algorithm 3.1）は、解法、フラックス・マジョラントによる誤差推定、および次の強化の選択の間を反復する。これは、$h$、$p$、および$c$の候補を共通のスケールで比較する：

1. 候補を生成する（$h$、$p$、または$c$）。
2. 候補を現在の空間の直交補空間へと投影する（商操作）。
3. 正確な変分利得を計算し、摂動マージンを適用する。
4. 単位コストあたりの保証された利得が最大の候補を選択する。
5. フラックス・マジョラントが許容値以下になるまで停止する。

3. 主な貢献

1. 共通の変分スケール: 通常の$h/p$細分化を、任意のコンパクトな非多項式関数と比較するための、参照解に依存しないフレームワークを確立した。
2. 商－Schur理論: 異種な強化ファミリーを組み合わせる際に、冗長な内容を除去し、安定性を確保するためのメカニズムを提供し、「真に新しい」関数的方向を孤立させる。
3. 正確な利得恒等式: 候補となる強化によって達成可能なエネルギー誤差減少の正確な公式を導出し、参照解なしでの適応的な選択を可能にした。
4. アルゴリズムの統合: これらの理論的ツールを実用的な適応アルゴリズムに結合し、表現の圧縮と信頼できる誤差制御のバランスをとる。

4. 数値実験結果

本手法は、不均質媒体、確率的係数、不規則な領域、および輸送問題を用いて評価された。

4.1 不均質ダルシー流（SPE10）

• モデル1: 11個の規定された層・負荷ケースにおいて、係数適応関数（$pc$）は、同次元において多項式強化（$p$）を全てのケースで上回った。
  • 斜井（Diagonal Wells）: $p$細分化と比較して、同次元において相対エネルギー誤差を41.6%削減した。
  • 次元性: 誤差 $\approx 0.48$ に達するために、$pc$法は42個の固有座標を必要としたのに対し、適応型$P1$および$P2$ メソッドはそれぞれ71個および130個の座標を必要とした（それぞれ41%および68%の削減）。
  • スケーリング: 適合的なスケーリング研究において、$hc$は$hp$と比較して、固有次元で最大24.9%、要素数/数値積分ワーク量で最大45.6%を節約し、大規模な解像度において2.31倍の高速化を実現した。
• モデル2: チャンネル状の地層（TarbertおよびUpper Ness）において、$pc$は8つの全層・負荷ケースを改善し、誤差削減率は0.5%から29.1%の範囲であった。
• 不一致な制御: シフトされた、あるいは独立した浸透率場から導出された座標を使用すると、一貫して$p$細分化よりも性能が悪化しており、利得は単なる任意の座標変更ではなく、演算子との適合性に依存することが確認された。

4.2 確率的浸透率

対数正規浸透率場を持つ確率的ダルシーアンサンブルにおいて、結合空間（$pc$）は6つの実現例のうち5つで$p$を改善し、中央値としての相対改善率は15.6%であった。1つのケースでは負の利得が見られ、これは貪欲な有限予算の選択が、時としてより優れた将来の経路を排除する可能性があることを示しており、グローバルな最適性のためのブロック・ルックアヘッド戦略の必要性を示唆している。

4.3 不規則な領域

L字型および穿孔ドメインにおいて、スペクトル $hc$は、共通の認定ターゲットにおいて、18組の全ケースで$hp$ よりも低い事後エネルギー誤差および低い固有次元を達成した。フラックス・マジョラントは鋭い精度を維持した（中央値エフェクティビティ 1.043）。

4.4 検証

• 利得の正確性: 予測された変分利得は、実現された二乗誤差の減少と相対偏差 $4.8 \times 10^{-14}$ 以内で一致した。
• 誤差境界: フラックス・マジョラントは、飽和の仮定なしに保証された上界を提供した。

5. 意義と主張

本論文は、**「変分的強化」**が、古典的な適応型FEMの安全策を維持しつつ、多項式を超えて有限要素空間を拡張するための一般的な数学的インターフェースを提供することを主張している。

• 選択的強化: この手法は、盲目的に非多項式関数を追加するのではない。変分残差と商テストを用いて、関数がPDE演算子に整合した、一貫性のある未解決構造を捉えている場合にのみ、その関数を受け入れる。そのような構造が存在しない場合は、通常の$h$または$p$細分化にフォールバックする。
• 圧縮 vs. 高速化: 主要な貢献は、信頼できる誤差制御を伴う**「近似の圧縮」**（固有次元と表現コストの削減）である。特定のスケーリング領域においてソルバーの高速化が観察されたが、本稿は、この手法が普遍的に高速な線形ソルバーではないことを明記している。その価値は、近似空間自体の効率性にある。
• 汎用性: このフレームワークは特定のPDEクラスや関数族に縛られない。適切な関数とその残差が評価可能であれば、ガラーキン法および最小残差法に適用可能である。
• マルチスケール法との関係: 本研究は、GMsFEMやLODといった手法とは、特定の構成法ではなく、**「選択ルール」**を提供するという点で区別される。これは、理想的なグローバル・マルチスケール基底がよりコンパクトである可能性を認めつつ、局所的なマルチスケールブロックが、$h$や$p$と共通の信頼できる基準で競合することを可能にする、実用的な適応的代替案である。

結論として、本論文は、商－Schur解析を通じて、新奇性、有用性、および冗長性を厳密に分離することで、安定した表現、信頼できる誤差制御、および確立された$hp$法を放棄することなく、より豊かな近似クラスを導入できることを実証している。