Alleviating missing boundary conditions in elliptic partial differential equations using interior point measurements

Titel: Het verhelpen van ontbrekende randvoorwaarden in elliptische partiële differentiaalvergelijkingen met behulp van interne puntmetingen

Auteurs: Andrea Bonito, Alan Demlow, en Joshua M. Siktar

1. Probleemstelling

Het paper adresseert het "incomplete Poisson-probleem", waarbij de randvoorwaarden van een elliptische partiële differentiaalvergelijking (PDE) onbekend zijn. Gegeven is de vergelijking:
$$-\Delta u = f \quad \text{in } \Omega$$
met $f \in H^{-1}(\Omega)$ bekend, maar de Dirichlet-randvoorwaarde $u = g$ op $\Gamma = \partial\Omega$ is onbekend. Dit scenario komt veel voor in toepassingen zoals stromingsdynamica, windtechniek en inverse warmtegeleiding, waar randmetingen vaak niet mogelijk zijn.

Om het probleem op te lossen, worden er $m$ puntmetingen van de oplossing $u$ binnen het domein $\Omega$ gebruikt:
$$\lambda_i(u) = u(x_i) = \omega_i, \quad i = 1, \dots, m$$
waarbij de meetpunten $x_i$ strikt in het interieur van het domein liggen ($x_i \in \Omega_d$, met $d = \text{dist}(x_i, \partial\Omega) > 0$).

Het doel is om een "optimale herstelling" (optimal recovery) van de oplossing $u$ te vinden binnen een Banachruimte $X$ (zoals $H^1(\Omega)$, $L^\infty(\Omega)$ of $L^\infty(\Omega_d)$), gegeven de onzekerheid in de randdata en de beschikbare interne metingen.

2. Methodologie

De aanpak volgt een raamwerk voor optimale herstelling gebaseerd op de theorie van Chebyshev-centra en -stralen.

• Decompositie: De oplossing $u$ wordt ontbonden in $u = u_0 + u_H$, waarbij $u_0$ de bekende oplossing is met homogene randvoorwaarden ($u_0=0$ op $\Gamma$) en $u_H$ een harmonische functie is die de metingen moet reproduceren. Het herstelprobleem reduceert tot het vinden van de harmonische component $u_H$ met de minimale norm in een geschikte ruimte.
• Riesz-Representers: De optimale herstelling wordt geformuleerd met behulp van Riesz-representers $\phi_i$ geassocieerd met de meetfunctionalen $\lambda_i$ in de ruimte van harmonische functies met $H^s(\Gamma)$-sporen. De optimale oplossing wordt benaderd als een lineaire combinatie van deze representers: $u^*_H = \sum U_i \phi_i$.
• Finite Element Methode (FEM): Omdat de analytische Riesz-representers moeilijk te berekenen zijn, worden deze benaderd met een Finite Element Methode.
  • Het paper introduceert een discretisatie waarbij de meetpunten strikt in het interieur liggen ($x_i \in \Omega_d$).
  • Dit in tegenstelling tot eerdere werken (zoals [10]) die meetpunten ook op de rand toelieten.
• Foutanalyse: De auteurs leiden verfijnde punt- en $H^1$-foutenberingen af voor de FEM-benadering van de Riesz-representers. Een cruciaal aspect is het kwantificeren van hoe de fouten afhangen van de afstand $d$ van de meetpunten tot de rand.

3. Belangrijkste Bijdragen

1. Verlaagde Regulariteitseisen: Door te focussen op meetpunten in het interieur, kunnen de auteurs werken met lagere regulariteitseisen voor de oplossing. Waar eerdere werken vaak $s > \frac{n-1}{2}$ vereisten (wat voor $n=3$ betekent $s > 1$), kunnen ze nu werken met $1/2 < s < 3/2$, ongeacht de ruimtedimensie.
2. Verbeterde Convergentieorden: De paper toont aan dat het plaatsen van sensoren in het interieur leidt tot hogere convergentieorden voor de FEM-benadering van de Riesz-representers vergeleken met het geval waarbij punten op de rand liggen.
   • Voor $x_i \in \Omega_d$ wordt een convergentie van orde $O(h^{2-\epsilon})$ (voor $s=1$) bereikt in de $L^\infty$-norm, terwijl dit bij randpunten beperkt blijft tot lagere orden.
3. Afstand-afhankelijke Foutberingen: De auteurs leiden expliciete foutberingen af die de degradatie van de nauwkeurigheid tonen naarmate de meetpunten dichter bij de rand komen (kleinere $d$). De fouten zijn van de vorm $O(d^{-n} h^p)$, wat aangeeft dat het mesh de afstand $d$ voldoende moet oplossen om de hoge convergentieorden te behouden.
4. Generalisatie naar Banachruimten: Het algoritme wordt geanalyseerd voor verschillende ruimten, inclusief niet-Hilbertiaanse ruimten zoals $L^\infty(\Omega)$, waar de Chebyshev-centra niet uniek zijn. Het paper bewijst dat het algoritme een "near-optimal" herstelling levert in deze ruimten.

4. Resultaten

• Theoretische Schattingen:
  • Puntfouten: Voor een meetpunt op afstand $d$ van de rand geldt $|(\phi - \phi_h)(z)| \lesssim d^{-n} h^{2R(s, s+\mu)} + d^{-n} h^{r(s+\mu)+\beta_\Omega}$.
  • $H^1$-fouten: $\|\phi - \phi_h\|_{H^1(\Omega)} \lesssim d^{-n/2} h^{t_H}$.
  • $L^\infty$-fouten: Voor $s > \frac{n-1}{2}$ worden logaritmische correctiefactoren gevonden, maar de hoofdtermen tonen een verbeterde orde ten opzichte van globale methoden.
• Numerieke Experimenten:
  • De auteurs testen het algoritme op een cirkel (glad), een vierkant (hoekpunten) en een L-vormig domein (re-entrant hoek).
  • De resultaten bevestigen de theorie: op gladde domeinen worden optimale convergentieorden bereikt. Op domeinen met hoeken wordt de convergentie beperkt door de regulariteit van de oplossing (bijv. $O(h^{2/3})$ voor een L-vorm).
  • Er wordt aangetoond dat de fouten toenemen naarmate de meetpunten dichter bij de rand komen ($d \to 0$), maar dat de methoden robuust blijven zolang $d$ voldoende groot is ten opzichte van de meshgrootte $h$.
  • Numerieke tests voor de daadwerkelijke herstelling van een harmonische functie tonen aan dat de fouten afnemen naarmate het aantal meetpunten toeneemt, en dat de herstelling zelfs op grove meshes goed presteert in de $L^\infty$-norm.

5. Betekenis en Impact

Dit paper biedt een theoretisch onderbouwde en numeriek gevalideerde methode om PDE's op te lossen wanneer randdata ontbreekt, een veelvoorkomend probleem in inverse problemen.

• Praktische Toepassing: Het resultaat is relevant voor situaties waar sensoren niet op de rand kunnen worden geplaatst (bijv. in gevaarlijke of ontoegankelijke omgevingen). Het paper geeft richtlijnen over hoe ver van de rand sensoren moeten worden geplaatst om optimale nauwkeurigheid te garanderen.
• Wiskundige Vooruitgang: Het paper overbrugt de kloof tussen optimale herstellingstheorie en numerieke analyse van PDE's, specifiek door de interactie tussen de regulariteit van de oplossing, de locatie van de metingen en de discretisatiefout te analyseren.
• Efficiëntie: Door te tonen dat interne metingen hogere convergentieorden mogelijk maken dan randmetingen (in termen van $h$), biedt het een argument voor het gebruik van dichte sensorarrays in het interieur van een domein, mits de afstand tot de rand goed wordt beheerd.

Samenvattend biedt dit werk een robuust algoritme en een scherpe foutanalyse voor het herstellen van oplossingen van elliptische PDE's met onbekende randvoorwaarden, met een sterke focus op de voordelen van het gebruik van interne meetpunten.