Stable Singularity of the Euler Equations on $\mathbb{R}^3$

技術要約：$\mathbb{R}^3$ 上のオイラー方程式における安定な特異点

問題の定義
本論文は、滑らかな解が非有界領域 $\mathbb{R}^3$ において有限時間内に特異点（爆発）を発現するかどうかという、流体力学における中心的な未解決問題に取り組んでいる。境界条件を持つオイラー方程式や非滑らかな初期条件の下では有限時間の爆発が確立されているが、非有界領域における滑らかな初期データからの安定な特異点の存在については依然として未解決である。著者らは、特に、Constantinらによって自己相似爆発の可能性のある「数学的に区別された」レジームとして特定された、臨界スケーリング指数 $\lambda = 0.5$ に焦点を当てている。これまでの理論的結果では、特定の仮定の下で $\lambda < 0.5$ および $\lambda > 0.5$ の場合の安定な特異性は排除されていた。

手法
著者らは、物理情報に基づく機械学習と厳密なコンピュータ支援証明を組み合わせたハイブリッド・アプローチを採用している。手法は以下の3つの明確な段階で進行する：

1. PINNs による数値的発見：

   • 仮定（アンザッツ）： 移動波自己相似アンザッツを採用し、スケーリングされた座標系において一定の形状を維持しながら、特異点の中心が対称軸（$z$ 軸）に沿って漂流することを許容している。この定式化により、ドリフト速度 $C$ が自由パラメータとして導入され、静止型のアンザッツよりも高い最適化の柔軟性が得られる。
   • 最適化： 物理情報ニューラルネットワーク（PINNs）を用いて、定常プロファイル方程式の残差を最小化するように学習を行う。その後の認証に必要な高精度を実現するために、以下の手法を用いる：
     • 丸め誤差を減らすための64ビット浮動小数点演算（FP64）。
     • クリティカルな領域に学習点を集中させるための適応型損失重み付けおよび残差ベースのリサンプリング。
     • 逐次的なネットワークが残差誤差を補正する「ブースティング」戦略。
     • 硬い（stiffな）損失ランドスケープをナビゲートするための、自己スケーリング・曲率認識型オプティマイザ（SS-eSOAP および SS-Broyden）。これにより、プロファイル残差の平均二乗誤差（MSE）を $O(10^{-10})$ まで低減させる。
   • 領域の処理： $\sinh$ 変換を用いて、非有界な物理領域を有限の計算ボックスに写像することで、原点付近（爆発が発生する場所）の高解像度確保と遠方領域のカバーを両立させている。

2. 解析的表現：

   • 高精度な PINN 解を、区分的多項式スプライン表現へと変換する。このステップは厳密な認証において極めて重要であり、これにより、ニューラルネットワークの評価を直接認証することの困難を避け、区間演算（Arb ライブラリ経由）を用いた正確な微分およびプロファイル依存量の評価が可能となる。

3. 安定性解析と認証：

   • 線形化： 動的な再スケーリング方程式を、スプライン・プロファイルの周囲で線形化する。摂動は、スケール整合的な変数（$\delta v = (\delta \omega, \nabla \delta u)$）において解析される。
   • 重み付きエネルギー推定： 低次および高次の重み付きノルムを組み合わせた完全なエネルギー汎関数 $E_k^2 = E_0^2 + \mu_k H_k^2$ を用いて、安定性フレームワークを構築する。重みは、線形減衰を最大化するように数値的に最適化される。
   • 減衰メカニズム：
     • 低次減衰は、経緯度方向の不動点付近の2つの近傍を除き、領域の大部分で確立される。
     • 高次減衰は、低次減衰が機能しない、経緯度方向の不動点付近の「低輸送」領域を制御するために利用される。
   • コンピュータ支援証明： 安定性の議論は、計算可能な定数（残差、行列の固有値、補間境界）を含む、有限個の明示的な不等式の集合へと還元される。これらの定数は、区間演算を用いて厳密に包含される。証明の構造は、Lean 証明助手（LeanPDE）において形式化可能なように設計されている。

主な結果

• 近似プロファイル： 著者らは、臨界指数 $\lambda = 0.5$ における3次元軸対称オイラー方程式の、極めて正確な近似自己相似プロファイルを特定することに成功した。このプロファイルは多項式的な空間減衰を示しており、これは爆発を否定するために必要な超代数的な減衰を要求する非存在定理と矛盾しない。
• 認証された線形減衰： 本論文は、$\lambda = 0.5$ におけるオイラー系に対する認証された線形減衰の最初の証拠を提示している。解析は、エネルギー推定を通じて、線形作用素が減衰マージンを有していることを示しており、領域の大部分における低次減衰と、問題となる軸外領域における高次減衰を組み合わせた安定化メカニズムを確立している。
• 非線形安定性のためのフレームワーク： 非線形安定性を証明するための完全なフレームワークが確立された。この議論は、有限時間の特異点の存在を、明示的な一連の推定値を厳密に認証することへと還元するものである。
• 対流変化系： PINN の定式化は、パラメータ範囲 $\epsilon \in [0, 1]$ 全域にわたって対流変化オイラー系のプロファイルを正常に発見しており、これは、より高い対流レベルにおいて動的に観測される爆発シナリオが消失することが、特異なプロファイルの非存在を意味しないことを示唆している。

意義と主張
本論文は、3次元オイラー方程式が $\mathbb{R}^3$ 上において、臨界指数 $\lambda = 0.5$ で安定な自己相似有限時間爆発を許容するという最初の証拠を提供すると主張している。

• 控えめな主張： 著者らは、本研究が爆発の無条件な証明ではなく、あくまで「証拠」と「フレームワーク」を提供するものであることを明示している。非線形安定性の議論を閉じるために残された計算上の課題は、残りのすべての定数とマージンを厳密に認証することであると特定されている。
• 方法論的貢献： 本論文は、手動での構築が困難な候補となる特異構造を発見する上での、物理情報に基づく最適化の有効性を強調している。これは、AIが特定の偏微分方程式（PDE）のインスタンスのための発見ツールとして機能できる一方で、人間が設計した数学的枠組みと形式検証（Lean）が証明の厳密性を担保することを実証している。
• 安定性と不安定性： 以前の研究が（自己相似アンザッツを用いるオイラー方程式には成立しない）大域的な流出特性に依存していたのに対し、本研究は、より弱い局所的な流出特性と、低次および高次の減衰メカニズムの繊細なバランスを通じて安定性を確立している。

要約すると、本論文は数値的発見と厳密な解析を橋渡しし、具体的な候補プロファイルと検証された線形安定メカニズムを提示しており、それが完全に認証されれば、3次元オイラー方程式における有限時間爆発問題が解決されることになる。