A spectral-element method for computing many eigenvalues and their asymptotics of the Schrödinger operator with Robin boundary condition

技術要約：ロビン境界条件を持つシュレディンガー演算子の多数の固有値とその漸近計算のためのスペクトル要素法

問題設定
本論文は、単純な形状および複雑な形状の両方において、ロビン境界条件が付随するシュレディンガー演算子 $L_{SO} := -\Delta + V(x)$ の固有値および固有関数の数値計算に取り組んでいる。特定の固有値問題は、以下の条件を満たす $\lambda \in \mathbb{R}$ および $u \not\equiv 0$ を求めるものである：
$$(-\Delta + V(x))u(x) = \lambda u(x), \quad x \in \Omega$$
$$\frac{\partial u}{\partial n} + \sigma u = 0, \quad x \in \partial\Omega$$
ここで、$\Omega \subset \mathbb{R}^d$ は有界領域、$V(x)$ は実数値ポテンシャル、$\sigma \in \mathbb{R}$ はロビン・パラメータである。

特定された主な課題は、数千もの高次インデックスの固有値を高い精度で計算する必要があり、それによってロビン・トゥ・ノイマン（RtN）ギャップ、すなわち $g_n(\sigma) = \lambda^\sigma_n - \lambda^0_n$ の漸近挙動を研究することである。標準的な低次有限要素法や有限差分法は、固定された自由度（DOF）に対して限定的な範囲のスペクトルしか解像できないため、高周波漸近挙動の調査には不向きである。スペクトル法は高い解像度を提供するが、一般に単純な形状（長方形、円盤など）に限定される。

手法
著者らは、単純な形状のためのスペクトル法と、複雑または不規則な形状のための**スペクトル要素法（SEM）**を利用した統一的なフレームワークを提案している。

1. 変分定式化: 問題は、適合する有限次元部分空間 $X_N \subset H^1(\Omega)$ を用いた弱形式に書き換えられる。これにより、剛性行列 $A$ と質量行列 $M$ を用いた一般化行列固有値問題 $AU = \lambda_N MU$ が導かれる。
2. スペクトル法（単純な形状）: 区間、長方形、円盤、立方体、球体などの領域に対して、著者らはグローバルなスペクトル基底関数を用いる。1次元では、ルジャンドル多項式を用いて基底を構成する。高次元では、テンソル積基底が適用される。
3. スペクトル要素法（複雑な形状）: 不規則な領域に対し、領域 $\Omega$ を重なりのない曲線要素に分解する。各要素内では、高次多項式近似（ガウス・ロッバト・ルジェンドル・ノードおよびラグランジュ基底を使用）が採用される。この手法は、参照正方形（または立方体）から物理的要素への座標変換を利用し、幾何学的マッピングを扱うためのヤコビアン因子を組み込んでいる。
4. 解像戦略: これらの手法は、「スペクトル型の精度」を達成するように設計されている。すなわち、妥当な精度で計算できる固有値の数は、自由度（DOF）に比例する。これにより、標準的なハイパフォーマンス・コンピューティング（HPC）ノード（メモリ128 GB）上で、数千の固有値を効率的に計算することが可能となる。

主要な結果
著者らは、これらの手法を検証し、RtNギャップおよびその累積平均 $G_n(\sigma) = \frac{1}{n}\sum_{m=1}^n g_m(\sigma)$ の研究に適用した。

• 精度と解像度:
  • 1次元: $N$ 個の自由度があるとき、スペクトル法は相対誤差が $10^{-8}$ 未満となる約 $0.6N$ 個の固有値を計算する。
  • 2次元: 単純な形状（スペクトル法）の場合、約 $0.4N$ 個の固有値が高精度で解像される。複雑な形状（スペクトル要素法）の場合、約 $0.25N$ 個の固有値が解像される。
  • スケール: $N \approx 25,000$ 個の自由度を用いることで、著者らは様々な2次元複雑領域（L字型領域、キノコ型、クォーター・スタジアムなど）において、相対誤差 $< 10^{-8}$ を持つ5,000個以上の信頼できる固有値の計算に成功した。
• 漸近解析:
  • 計算された固有値は、ラプラシアン（$V \equiv 0$）に関する既存の理論的結果、具体的には 2次元における $\lim_{n \to \infty} G_n(\sigma) = \frac{2|\partial\Omega|}{|\Omega|}\sigma$ を裏付けている。
  • 本研究は、非自明なポテンシャル $V(x)$ を持つシュレディンガー演算器へとこれらの知見を拡張している。
  • 様々なポテンシャルと境界パラメータ $\sigma$ を用いた1次元、2次元、および3次元領域における数値結果は、導出された漸近挙動を支持する広範な数値的証拠を提供している。

提案される予想（コンジェクチャ）
広範な数値的証拠と観察に基づき、著者らは、連結された有界領域 $\Omega \subset \mathbb{R}^d$（境界は区分的に滑らか）におけるロビン境界条件を持つシュレディンガー演算子のRtNギャップに関する統一的な予想を推測し、定式化した：

1. 累積平均: 任意の $\sigma \in \mathbb{R}$ に対して、
   $$\lim_{n \to \infty} G_n(\sigma) = \frac{2|\partial\Omega|}{|\Omega|}\sigma$$
   であり、大きな $n$ に対して、
   $$G_n(\sigma) = \frac{2|\partial\Omega|}{|\Omega|}\sigma + O(n^{-1/d}).$$
2. 1次元の特性: $d=1$ かつ $\Omega=(a,b)$ のとき、個々のギャップは以下を満たす：
   $$\lim_{n \to \infty} g_n(\sigma) = \frac{4}{b-a}\sigma$$
   および
   $$\lambda^\sigma_n = \lambda^0_n + \frac{4}{b-a}\sigma + O(n^{-2}).$$

意義と主張
本論文は、ロビン境界条件を持つシュレディンガー演算子の「多くの」固有値を計算するための効率的かつ正確な数値的手法が、これまで文献において限定的であったという空白を埋めるものであると主張している。有限要素法の幾何学的柔軟性とスペクトル法の高次精度を組み合わせることで、提案されたアプローチは、標準的な低次離散化では到達不可能な、数千の固有値の解像を可能にしている。

主要な貢献は、単なるアルゴリズムの開発ではなく、RtNギャップに関する体系的な数値的研究である。この大規模計算は、代数的なスペクトル量（累積平均）を、領域の幾何学的性質（面積および境界長）およびロビン・パラメータに直接結びつける、RtNギャップの漸近挙動に関する統一的な予想に対して、強力な経験的根拠を与えるものである。この研究は、ラプラシアンに関する理論的結果を確認すると同時に、非自明なポテンシャルの存在下でも、これらの漸近挙動の理解をより一般的なシュレディンガー演算器へと拡張するものである。