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

Technische Samenvatie: Een Reduced Basis Methode voor Parabolische PDE's Gebaseerd op een Space-Time Least Squares Formulering

Probleemstelling
Het artikel behandelt de uitdaging om parameter-afhankelijke parabolische partiële differentiaalvergelijkingen (PDE's) van de vorm $y_t + A(\mu)y = f(\mu)$ met beginvoorwaarde $y(0) = y_0(\mu)$ efficiënt op te lossen. De auteurs richten zich op een setting waarbij de operator $A(\mu)$ en de data $f(\mu), y_0(\mu)$ afhankelijk zijn van een parameter $\mu$ uit een verzameling $\mathcal{P}$. Het onderliggende wiskundige kader gaat uit van een Gelfand-trip $(V(\mu), H, V^*(\mu))$ en zoekt oplossingen in de space-time ruimte $W(0, T) := \{v \in L^2(0, T; V(\mu)) \mid v_t \in L^2(0, T; V^*(\mu))\}$.

De specifieke uitdaging die wordt aangepakt, is de toepassing van Model Order Reduction (MOR), specifelijk de Reduced Basis (RB) methode, op deze problemen. Standaard RB-methoden vertrouwen op variationele formuleringen met uniform coërcieve en continue bilineaire vormen, een eigenschap die van nature voorkomt bij elliptische problemen maar vaak ontbreekt bij parabolische formuleringen (die doorgaans niet-symmetrisch zijn of inf-sup condities vereisen). De auteurs bouwen voort op een recente least-squares space-time formulering [HKS23] die slechts minimale regulariteit veronderstelt, met als doel dit uit te breiden naar het parameter-afhankelijke geval om de robuuste theoretische framework van elliptische RB-methoden te kunnen benutten.

Methodologie
De voorgestelde methodologie volgt een "POD-greedy" strategie, waarbij Proper Orthogonal Decomposition (POD) wordt geïntegreerd met een greedy parameter selectie-algoritme.

1. Variationele Formulering:
   De auteurs maken gebruik van een least-squares space-time benadering. Ze minimaliseren de residu van de parabolische vergelijking in de $L^2(0, T; V^*(\mu)) \times H$ norm. Deze minimalisatie leidt tot een variationele formulering: vind $y \in W(0, T)$ zodat $b(\mu; y, w) = l(\mu; w)$ voor alle $w \in W(0, T)$.
   Cruciaal is dat de resulterende bilineaire vorm $b(\mu; \cdot, \cdot)$ symmetrisch, uniform coërcief en continu is. Deze structuur stelt de auteurs in staat om het parabolische probleem te behandelen met technieken die zijn ontwikkeld voor geparametriseerde elliptische problemen.

2. High-Fidelity Discretisatie:
   Het continue probleem wordt geherformuleerd als een saddle-point probleem en gediscretiseerd met behulp van tensoriële space-time eindige elementen. Het ruimtelijke domein gebruikt continu piecewise lineaire elementen (CG 1), terwijl het tijdsdomein piecewise lineaire continue elementen voor de toestand en piecewise constante discontinue elementen (DG 0) voor de testfuncties gebruikt. Dit resulteert in een high-fidelity lineair systeem $S_d(\mu)\mathbf{x} = \mathbf{s}_d(\mu)$.

3. Constructie van de Reduced Basis:
   De reduced basis ruimtes $W_L \subset W_d$ en $Q_K \subset Q_d$ worden geconstrueerd met behulp van een POD-greedy algoritme (Algoritme 1).

   • Greedy Stap: Parameters worden geselecteerd uit een trainingsset om een foutschatter te maximaliseren.
   • POD Stap: High-fidelity oplossingen voor de geselecteerde parameters worden verzameld, waarna POD wordt toegepast om een laag-dimensionale basis te extraheren die de benaderingsfout in de discrete space-time norm minimaliseert.
   • Offline-Online Decompositie: De methode maakt gebruik van de parameter-separabiliteit van de operatoren (ervan uitgaande dat $A(\mu), f(\mu), y_0(\mu)$ geschreven kunnen worden als sommen van parameter-onafhankelijke operatoren gewogen door parameter-afhankelijke scalairen). Dit maakt het mogelijk om de gereduceerde systeemmatrices samen te stellen in de online fase zonder de hoog-dimensionale integralen opnieuw te berekenen.

4. Certificering (Foutschatting):
   De auteurs leiden absolute en relatieve foutschatters af in de discrete $W_d$ norm.

   • Theoretische Schatter ($\eta^*$): Gebaseerd op de norm van de Riesz-representant van het residu. Hoewel accuraat, vereist dit het oplossen van systemen die niet volledig offline-online decomponeerbaar zijn.
     vinger.
   • Praktische Schatter ($\eta_c$): Een volledig offline-online decomponeerbare variant. Dit houdt in dat de residunorm wordt geschat door de matrixformulering van de inwendige product te manipuleren en gebruik te maken van discrete coërciviteitsconstanten. Deze schatter maakt efficiënte certificering tijdens de online fase mogelijk.

Belangrijkste Bijdragen
Het artikel levert drie primaire bijdragen, zoals vermeld in de nieuwheidsverklaring:

1. Model Order Reduction voor Least Squares Space-Time Formuleringen: Het breidt de least-squares space-time benadering (voorheen toegepast op niet-geparametriseerde gevallen) uit naar parameter-afhankelijke parabolische PDE's met natuurlijke $W(0, T)$ regulariteit.
2. Efficiënte Foutschatters: Het biedt absolute en relatieve foutschatters in de discrete $W(0, T)$ norm die een efficiënte offline-online decompositie ondersteunen, een kenmerk dat in space-time formuleringen vaak moeilijk te bereiken is.
3. POD-Greedy Constructie: Het implementeert een POD-greedy benadering voor het construeren van de reduced basis ruimtes specifiek binnen deze symmetrische, coërcieve space-time framework.

Resultaten
De prestaties van de methode worden gedemonstreerd via twee numerieke voorbeelden:

1. 2D Thermisch Blokprobleem: Een standaard benchmark met parameter-afhankelijke diffusiviteit. De resultaten tonen een exponentiële afname van de absolute fout met betrekking tot de dimensie van de reduced basis $L$, wat consistent is met de klassieke RB-theorie voor elliptische problemen. De praktische schatter $\eta_c$ blijkt iets minder scherp te zijn dan de theoretische schatter $\eta^*$, maar blijft effectief.
2. 3D Probleem met Minimale Regulariteit: Een complexer driedimensionaal probleem met discontinue diffusiecoëfficiënten en brontermen. Ondanks de minimale regulariteitsaannames en de hogere dimensionaliteit, vertoont de methode nog steeds exponentiële convergentie. De auteurs analyseren de eerste enkele POD-basisfuncties en merken op dat deze de discontinuïteiten bij de grenzen van subdomeinen vastleggen.
3. Computationele Efficiëntie: Een vergelijking van computationele tijden geeft aan dat hoewel de offline fase (inclusief POD en matrixassemblage) een kostenpost heeft, de reduced basis benadering efficiënter wordt dan het oplossen van volledige high-fidelity systemen na ongeveer zes high-fidelity oplossingen.

Betekenis en Claims
De auteurs beweren dat hun werk erin slaagt de kloof te overbruggen tussen de robuuste theoretische framework van elliptische reduced basis methoden en de uitdagende setting van parabolische PDE's met minimale regulariteit. Door gebruik te maken van een symmetrische, coërcieve space-time least-squares formulering, vermijden ze de complexiteit van inf-sup condities die vaak geassocieerd worden met parabolische RB-methoden.

De betekenis ligt in het vermogen om gecertificeerde reduced basis benaderingen (met rigoureuze absolute en relatieve foutgrenzen) te bieden voor parabolische problemen met behulp van standaard offline-online decompositie technieken. Het artikel merkt bescheiden op dat hoewel de theoretische schatter optimaal is, de praktische schatter een noodzakelijke compromis biedt voor computationele efficiëntie, en dat de prestaties van de methode worden gevalideerd door numerieke voorbeelden in plaats van uitgebreide industriële toepassing. Het werk legt een fundament voor het toepassen van RB-methoden op een bredere klasse van tijdsafhankelijke problemen waar de natuurlijke regulariteit laag is.