A reduced basis method for parabolic PDEs based on a space-time least squares formulation

기술 요약: 공간-시간 최소제곱 정식화에 기반한 포물선형 PDE를 위한 축소 기저법

문제 정의
본 논문은 매개변수 $\mu \in \mathcal{P}$에 의존하는 연산자 $A(\mu)$와 데이터 $f(\mu), y_0(\mu)$를 갖는 형태의 매개변수 의존적 포물선형 편미분 방정식(PDE) $y_t + A(\mu)y = f(\mu)$, 초기 조건 $y(0) = y_0(\mu)$를 효율적으로 해결하는 과제를 다룬다. 저자들은 겔판드 삼중항(Gelfand triple) $(V(\mu), H, V^*(\mu))$를 수학적 프레임워크로 가정하며, 공간-시간 공간 $W(0, T) := \{v \in L^2(0, T; V(\mu)) \mid v_t \in L^2(0, T; V^*(\mu))\}$에서 해를 구하고자 한다.

본 연구가 다루는 구체적인 과제는 이러한 문제에 모델 차수 축소(MOR), 특히 축소 기저(Reduced Basis, RB) 방법을 적용하는 것이다. 표준적인 RB 방법은 균일하게 강성(coercive)이고 연속적인 쌍선형 형식을 갖는 변분 정식화에 의존하는데, 이는 타원형 문제에서는 자연스럽게 나타나는 성질이지만 포물선형 문제에서는 결여되는 경우가 많다(포물선형 문제는 대개 비대칭이거나 inf-sup 조건을 요구한다). 저자들은 최소한의 정칙성(regularity)만을 가정하는 최근의 최소제곱 공간-시간 정식화 [HKS23]를 바탕으로, 매개변수 의존적 사례로 이를 확장하여 타원형 RB 방법의 견고한 이론적 프레임워크를 활용하고자 한다.

방법론
제안된 방법론은 적정 직교 분해(Proper Orthogonal Decomposition, POD)와 그리디(greedy) 매개변수 선택 알고리즘을 통합한 "POD-그리디" 전략을 따른다.

1. 변분 정식화:
   저자들은 최소제곱 공간-시간 접근법을 사용한다. 이들은 $L^2(0, T; V^*(\mu)) \times H$ 노름에서 포물선형 방정식의 잔차(residual)를 최소화한다. 이 최소화 과정은 다음과 같은 변분 정식화로 이어진다: 모든 $w \in W(0, T)$에 대하여 $b(\mu; y, w) = l(\mu; w)$를 만족하는 $y \in W(0, T)$를 찾는다. 결정적으로, 결과로 도출되는 쌍선형 형식 $b(\mu; \cdot, \cdot)$는 대칭적이며, 균일하게 강성하고, 연속적이다. 이러한 구조 덕분에 저자들은 포물선형 문제를 매개변수 의존적 타원형 문제에 개발된 기술들을 사용하여 처리할 수 있다.

2. 고충실도 이산화:
   연속 문제는 saddle-point 문제로 재구성되며, 텐서 곱 공간-시간 유한 요소법을 사용하여 이산화된다. 공간 영역은 piecewise linear continuous 요소(CG 1)를 사용하며, 시간 영역은 상태 변수에는 piecewise linear continuous 요소를, 테스트 함수에는 piecewise constant discontinuous 요소(DG 0)를 사용한다. 이는 고충실도 선형 시스템 $S_d(\mu)\mathbf{x} = \mathbf{s}_d(\mu)$를 생성한다.

3. 축소 기저 구축:
   축소 기저 공간 $W_L \subset W_d$와 $Q_K \subset Q_d$는 POD-그리디 알고리즘(Algorithm 1)을 사용하여 구축된다.

• 그리디 단계: 오차 추정치를 최대화하기 위해 훈련 세트로부터 매개변수를 선택한다.
• POD 단계: 선택된 매개변수에 대한 고충실도 해들을 수집하고, POD를 적용하여 이산 공간-시간 노름에서 근사 오차를 최소화하는 저차원 기저를 추출한다.
• 오프라인-온라인 분해: 방법론은 연산자의 매개변수 분리 가능성(매개변수에 의-존하는 스칼라 값들에 의해 가중치가 부여된 매개변수 독립적 연산자들의 합으로 $A(\mu), f(\mu), y_0(\mu)$를 쓸 수 있다고 가정함)을 활용한다. 이를 통해 고차원 적분을 다시 계산하지 않고도 온라인 단계에서 축소 시스템 행렬을 조립할 수 있다.

4. 인증 (오차 추정):
   저자들은 이산 $W_d$ 노름에서의 절대 및 상대 오차 추정치를 도출한다.

• 이론적 추정치 ($\eta^*$): 잔차의 리츠 표현자(Riesz representer)의 노름에 기초한다. 정확하지만, 완전히 오프라인-온라인 분해가 되지 않는 시스템을 풀어야 한다.
• 실용적 추정치 ($\eta_c$): 완전한 오프라인-온라인 분해가 가능한 변형 모델이다. 이는 내적의 행렬 정식화를 조작하고 이산 강성 상수를 활용하여 잔차 노름을 추정하는 과정을 포함한다. 이 추정치는 온라인 단계에서 효율적인 인증을 가능하게 한다.

주요 기여
본 논문은 다음과 같은 세 가지 주요 기여를 한다:

1. 최소제곱 공간-시간 정식화를 위한 모델 차수 축소: (기존에 매개변수가 없는 경우에 적용되었던) 최소제곱 공간-시간 접근법을 자연스러운 $W(0, T)$ 정칙성을 갖는 매개변수 의존적 포물선형 PDE로 확장하였다.
2. 효율적인 오차 추정기: 효율적인 오프라인-온라인 분해를 지원하는 이산 $W(0, T)$ 노름에서의 절대 및 상대 오차 추정치를 제공하며, 이는 공간-시간 정식화에서 달성하기 어려운 기능이다.
3. POD-그리디 구축: 대칭적이고 강성인 공간-시간 프레임워크 내에서 축소 기저 공간을 구축하기 위해 POD-그리디 방식을 구현하였다.

결과
제안된 방법의 성능은 두 가지 수치 예제를 통해 입증된다:

1. 2D 열 블록 문제 (2D Thermal Block Problem): 매개변수 의존적 확산 계수를 갖는 표준 벤치마크이다. 결과는 축소 기저 차원 $L$에 따른 절대 오차가 지수적으로 감소함을 보여주며, 이는 고전적인 타원형 RB 이론과 일치한다. 실용적 추정치 $\eta_c$는 이론적 추정치 $\eta^*$보다 약간 덜 날카롭지만 효과적임을 보여준다.
2. 최소한의 정칙성을 가진 3D 문제: 불연속적인 확산 계수와 소스 항을 포함하는 더 복잡한 3차원 문제이다. 최소한의 정칙성 가정과 높은 차원에도 불구하고, 방법론은 여전히 지수적 수렴을 보인다. 저자들은 처음 몇 개의 POD 기저 함수를 분석하여, 이들이 서브도메인 경계에서의 불연속성을 포착하고 있음을 언급한다.
3. 계산 효율성: 계산 시간 비교에 따르면, 오프라인 단계(POD 및 행렬 조립 포함)에 비용이 발생하지만, 축소 기저 접근법은 약 6회의 고충실도 솔루션 계산 이후부터 고충실도 시스템을 직접 푸는 것보다 더 효율적이 된다.

의의 및 주장
저자들은 본 연구가 타원형 축소 기저 방법의 견고한 이론적 프레임워크와 낮은 정칙성을 가진 도전적인 포물선형 PDE 사이의 간극을 성공적으로 메웠다고 주장한다. 대칭적이고 강성인 공간-시간 최소제곱 정식화를 활용함으로써, 포물선형 RB 방법에서 흔히 발생하는 inf-sup 조건의 복잡성을 피할 수 있었다.

본 연구의 의의는 표준적인 오프라인-온라인 분해 기술을 사용하여 포물선형 문제에 대해 (엄격한 절대 및 상대 오차 범위를 갖는) 인증된 축소 기저 근사를 제공할 수 있다는 점에 있다. 저자들은 이론적 추정치가 최적이지만, 실용적 추정치가 계산 효율성을 위해 필요한 절충안임을 겸허히 언급하며, 방법론의 성능이 광범한 산업적 적용보다는 수치 예제를 통해 검증되었음을 명시한다. 이 연구는 자연스러운 정칙성이 낮은 광범위한 시간 의존적 문제에 RB 방법을 적용하기 위한 토대를 마련한다.