Reliable eigenspace error estimation using source error estimators

Technische Samenvatting: Betrouwbare Eigentoepassingsfoutschatting met Bronfoutschatters

Probleemstelling
Het artikel behandelt de uitdaging van het numeriek benaderen van de eigentoepassing die overeenkomt met een eindige cluster van eigenwaarden ($\Lambda$) voor onbegrensde, niet-zelfadjacente lineaire operatoren ($A$) met een compact resolvent. In praktische toepassingen, zoals microgestructureerde optische vezels, zijn deze eigenwaarden vaak niet dominant en liggen ze mogelijk niet nabij de uitersten van het spectrum. Standaard eigensolvers (bijv. FEAST, contourintegraalmethoden, verschoven inverse iteratie) transformeren het probleem vaak met behulp van rationale functies $r(z)$ om de doelcluster $\Lambda$ te mappen naar een dominante verzameling eigenwaarden $\Upsilon$ van de getransformeerde operator $r(A)$. Hoewel deze methoden vaak afhankelijk zijn van het herhaaldelijk oplossen van "brontoepassingen" (resolventtoepassingen), maken bestaande adaptieve algoritmen doorgaans gebruik van foutschatters die ontworpen zijn voor enkelvoudige brontoepassingen of individuele eigenfuncties. De specifieke moeilijkheid ligt in het feit dat de gewenste output een meerdimensionale eigentoepassing is (een subruimte) in plaats van een enkele functie, wat een metriek vereist die gebaseerd is op de "kloof" (gap) tussen subruimten in plaats van standaard $L^2$- of energienormen. Het artikel streeft ernaar om direct beschikbare bronprobleem-foutschatters te hergebruiken om een betrouwbare, berekenbare schatter te bieden voor de kloof tussen de exacte en de discrete eigentoepassingen.

Methodologie
De auteurs ontwikkelen een theoretisch kader dat brontoepassing-foutschatting en eigentoepassings-foutschatting overbrugt via drie componenten:

1. Spectrale Mapping voor Rationale Functies:
   De auteurs stellen eerst vast hoe gegeneraliseerde eigentoepassingen van een rationale functie $r(A)$ zich verhouden tot die van de oorspronkelijke operator $A$. Voortbouwend op een resultaat van Yamamoto, bewijzen zij (Lemma 2.1) dat de gegeneraliseerde eigentoepassing van $r(A)$ die overeenkomt met een eigenwaarde $\mu$, de directe som is van de gegeneraliseerde eigentoepassingen van $A$ die overeenkomen met de inverse beelden van $\mu$ onder $r$. Dit verheldert de relatie tussen het spectrum van de gefilterde operator en het spectrum van de oorspronkelijke operator, waardoor wordt gewaarborgd dat de subruimte-iteratie op $r(A)$ correct de gewenste cluster van $A$ target.

2. Foutrepresentatie via Bronschatters:
   De kern van de theoretische bijdrage is de afleiding van een foutgrens voor de eigentoepassingskloof. Onder de aanname dat de resolventbenaderingen convergeren in de operatormorm (Aanname 3.7), tonen de auteurs aan dat de kloof tussen de exacte eigentoepassing $E$ en de discrete eigentoepassing $E_h$ begrensd wordt door het verschil in operatormorm $\|S_r - S_{r,h}\|$ toegepast op de discrete ruimte.
   Cruciaal is dat zij een foutrepresentatie-operator introduceren (Aanname 3.9). Zij postuleren dat als er een brontoepassing-foutschatter $E$ bestaat waarvoor $\|S_r v_h - S_{r,h} v_h\|_V \leq C_0 \|E v_h\|_Y$, de eigentoepassingskloof begrensd kan worden door een berekenbare grootheid afgeleid van $E$.
   Stelling 3.10 construeert een specifieke schatter voor de eigentoepassingskloof. Door een gegeneraliseerd eigenwaardeprobleem te berekenen met betrekking tot de inwendige producten van de bronfoutschatters toegepast op de basis van de discrete eigentoepassing, definiëren de auteurs een vector $\hat{e}_h$ in de discrete ruimte. De norm $\|E \hat{e}_h\|_Y$ dient als een globaal betrouwbare schatter voor de eigentoepassingskloof.

3. Toepassing op Eindelementdiscretisaties:
   Het kader wordt geverifieerd voor twee specifieke eindelementmethoden:

   • First-Order System Least Squares (FOSLS): Het resolvent wordt benaderd door een least-squares functionaal te minimaliseren. De foutschatter wordt geconstrueerd vanuit de residu van het eerste-orde systeem.
   • Discontinuous Petrov-Galerkin (DPG): Het resolvent wordt benaderd met behulp van een primale DPG-formulering met optimale testfuncties. De foutschatter wordt afgeleid uit het residu in de gebroken $H^1$-norm.
     In beide gevallen bewijzen de auteurs dat de noodzakelijke aannames met betrekking tot resolventconvergentie en het bestaan van een bronfoutschatter standhouden.

Belangrijkste Bijdragen

• Algemeen Kader: Het artikel biedt een algemeen mechanisme om bestaande brontoepassing-foutschatters te "hergebruiken" voor eigentoepassings-foutschatting, specifiek voor onbegrensde niet-zelfadjacente operatoren.
• Cluster-robuustheid: In tegenstelling tot methoden die fouten voor individuele eigenfuncties schatten, richt de voorgestelde schatter zich op de eigentoepassing als geheel. De schatter is aangetoond "cluster-robuust" te zijn, wat betekent dat deze niet afhangt van de specifieke keuze van basisvectoren binnen de discrete eigentoepassing, maar van de subruimte zelf.
• Theoretische Garanties: Stelling 3.10 biedt een rigoureuze, globaal betrouwbare bovengrens voor de kloof tussen exacte en benaderde eigentoepassingen, die enkel afhankelijk is van de betrouwbaarheid van de onderliggende brontoepassing-schatters en de convergentie van de resolventbenaderingen.
• Concrete Implementaties: De theorie wordt geïnstantieerd voor FOSLS- en DPG-discretisaties, wat nieuwe, intrinsieke residu-gebaseerde schatters oplevert voor eigentoepassingskloven in deze contexten.

Numerieke Resultaten
De auteurs presenteren twee numerieke experimenten om de theorie te valideren:

1. Laplace Eigenprobleem op een Gordon-Webb-Wolpert (GWW) Trommel:

   • Setup: Een zelfadjacent probleem op een domein met re-entrant hoeken (singulariteiten). Twee scenario's werden getest: een enkele eigenwaarde en een cluster van drie eigenwaarden.
   • Observatie: Het adaptieve algoritme dat de nieuwe DPG-schatter gebruikt, identificeerde succesvol de re-entrant hoeken als de regio's die verfijning vereisten voor de cluster, zelfs toen de individuele eigenfuncties in de cluster verschillende regulariteitsprofielen hadden (één was glad, andere singulier). In contrast hiermee produceerden schatters ontworpen voor enkelvoudige eigenwaarden (zoals DWR of expliciete residuen) uniforme verfijning of patronen die de cluster niet optimaal targetten.
   • Prestaties: De DPG-schatter bood nauwere grenzen op de fout vergeleken met expliciete residu- en DWR-schatters, met name voor het geval van de cluster.

2. Helmholtz Eigenprobleem voor Leaky Waveguide Modes (Bragg Fiber):

   • Setup: Een niet-zelfadjacent probleem dat leaky modes in een microgestructureerde vezel modelleert, opgelost met een Perfectly Matched Layer (PML) om het domein af te snijden.
   • Observatie: Het adaptieve algoritme verfijnde het rooster primair in de glazen cladding van de vezel, waar de eigenmodi fijne oscillerende structuren vertonen. Opvallend genoeg, hoewel de individuele eigenmoden in de cluster geen circulaire symmetrie bezaten, was het verfijningspatroon bijna circulair symmetrisch. Dit bevestigt dat de schatter de cluster als geheel targett in plaats van individuele eigenfuncties.
   • Convergentie: De Hausdorff-afstand tussen de exacte en berekende eigenwaardclusters nam optimaal af met betrekking tot het aantal vrijheidsgraden.

Betekenis en Claims
Het artikel claimt dat de primaire betekenis ligt in het praktische perspectief van het hergebruiken van brontoepassing-foutschatters binnen spectrale mapping (rationale functies) die worden gebruikt in moderne eigensolvers. Hoewel het theoretische concept van het relateren van eigentoepassingsfouten aan brontoepassingen niet geheel nieuw is, benadrukken de auteurs dat hun focus op onbegrensde niet-zelfadjacente operatoren nieuw is.

Het werk demonstreert dat men geen volledig nieuwe, complexe foutschatters hoeft te ontwikkelen voor eigenproblemen. In plaats daarvan kan men, door gebruik te maken van de betrouwbaarheid van bestaande brontoepassing-schatters (die vaak intrinsiek zijn aan methoden zoals FOSLS en DPG), betrouwbare indicatoren construeren voor de kloof tussen eigentoepassingen. Dit faciliteert de ontwikkeling van automatische adaptieve algoritmen die roosters verfijnen op basis van het collectieve gedrag van een eigenwaardcluster, waardoor wordt gegarandeerd dat de gehele subruimte accuraat wordt opgelost, wat cruciaal is voor fysieke toepassingen waarbij de cluster een collectieve fysieke modus representeert.