A Galerkin Finite Element Method for the Fractional Calderón Problem

Titel: Een Galerkin Finite Element-methode voor het Fractionele Calderón-probleem

1. Probleemstelling

Het artikel richt zich op de numerieke reconstructie van een potentiaal $q$ in het fractionele Calderón-probleem. Dit is een inverse probleem waarbij men de onbekende potentiaal $q$ (die de interactie in het medium beschrijft) wil bepalen op basis van metingen aan de rand van het domein.

• Het Forward Model: Het probleem wordt gemodelleerd door de fractionele Schrödinger-vergelijking in een begrensd domein $\Omega \subset \mathbb{R}^d$:
  $$\begin{cases} (-\Delta)^s u + qu = 0 & \text{in } \Omega, \\ u = f & \text{in } \Omega_e := \mathbb{R}^d \setminus \Omega, \end{cases}$$
  waarbij $s \in (0, 1)$ de orde van de fractionele Laplaciaan is, $f$ een voorgeschreven Dirichlet-data is in het exterieur $\Omega_e$, en $u \in H^s(\mathbb{R}^d)$ de oplossing is.
• Inverse Probleem: Men beschikt over slechts één enkele meting (single measurement) van de niet-lokale flux (de "Neumann-data") op een open deelverzameling $W \subset \Omega_e$. De flux wordt gegeven door de Dirichlet-naar-Neumann (DN) operator $\Lambda_q$.
• Uitdagingen:
  1. Ill-posedheid: Het probleem is ernstig ill-posed; de reconstructie is extreem instabiel en vertoont logaritmische stabiliteit (kleine ruis in data leidt tot grote fouten in de oplossing).
  2. Niet-localiteit: De operator $(-\Delta)^s$ is niet-lokaal, wat leidt tot dichte systemen in numerieke discretisaties, in tegenstelling tot lokale PDE's.
  3. Enkele meting: In tegenstelling tot klassieke inverse problemen die vaak volledige DN-kaarten vereisen, probeert deze methode reconstructie met slechts één externe meting, gebaseerd op unieke voortzettingseigenschappen.

2. Methodologie

De auteurs presenteren een Galerkin Finite Element (FEM) framework dat het reconstructieproces splitst in twee gestructureerde stappen:

Stap 1: Herstelling van de toestand (State Recovery)
In plaats van direct $q$ te zoeken, wordt eerst de interne correctie $u_0$ (waarbij $u = \bar{u}_f + u_0$ en $\bar{u}_f$ een extensie is van de randdata) gereconstrueerd.

• Unieke voortzetting: Gebruikmakend van het feit dat de fractionele Laplaciaan sterke unieke voortzettingseigenschappen heeft, kan $u_0$ worden hersteld uit de externe meting $\mu = \Lambda_q f|_W - (-\Delta)^s \bar{u}_f|_W$.
• Tikhonov Regularisatie: Omdat het omkeren van de operator $L: u_0 \mapsto Lu_0|_W$ ill-posed is, wordt een Tikhonov-regularisatie toegepast. Men minimaliseert een functionaal:
  $$J_{h,\alpha}(v) = \|Bv - \mu^\delta_W\|_Y^2 + \alpha v^\top S v$$
  waarbij $B$ de discretisatie van de operator $L$ is, $\mu^\delta_W$ de verstoord gemeten data is, $S$ de stijfheids- en massamatrix vertegenwoordigt (voor de $H^s$-norm), en $\alpha$ de regularisatieparameter is.
• Discretisatie: Het domein wordt getruncateerd tot een groot bounded domein $\Omega_R$. Er worden piecewise-polynoom elementen gebruikt. De niet-lokale operator wordt geëvalueerd via een singulier-vrije integraal over $\Omega$ voor punten in het exterieur $W$, wat de kwadratuur robuuster maakt.

Stap 2: Reconstructie van de coëfficiënt (Potential Recovery)
Zodra de toestand $u_h$ (een benadering van $u$) is hersteld, wordt de potentiaal $q$ berekend.

• Gestabiliseerde Minderste-Kwadraten: Uit de vergelijking $(-\Delta)^s u + qu = 0$ volgt formeel $q = -(-\Delta)^s u / u$. Omdat directe deling numeriek instabiel is als $u$ dicht bij nul komt, wordt $q$ gevonden door een gestabiliseerd gewogen minderste-kwadraten-probleem op een gescheiden subdomein $\Omega' \subset \subset \Omega$:
  $$q^\alpha_h = \arg\min_{q_h} \left( \|w^\alpha_h + q_h u^\alpha_h\|_{L^2(\Omega')}^2 + \alpha_q \|q_h\|_{L^2(\Omega')}^2 \right)$$
  waarbij $w^\alpha_h$ de discretisatie is van $(-\Delta)^s u^\alpha_h$. De regularisatieparameter $\alpha_q$ voorkomt deling door kleine waarden.

3. Belangrijkste Bijdragen

• Numerieke Realisatie van Unieke Voortzetting: De paper vertaalt de theoretische unieke voortzettingstheorie (voorheen puur analytisch) naar een werkend Galerkin-FEM framework voor het fractionele Calderón-probleem met één meting.
• Existentie en Uniciteit: Bewezen dat de discrete reconstructor (zowel voor de toestand als de coëfficiënt) uniek bestaat onder natuurlijke aannames.
• Foutanalyse:
  • Afgeleide a priori foutschattingen voor de gereconstrueerde toestand en de coëfficiënt.
  • Combinatie van de discretisatiefout met de logaritmische stabiliteit van het continue inverse probleem om een totale foutgrens voor de potentiaal te verkrijgen.
  • Analyse van de consistentie van de getruncateerde operator en de invloed van ruis.
• Efficiëntie: De methode scheidt de forward-solver van de inverse stap. De observatieoperator hangt alleen af van de geometrie en kan één keer worden geassembleerd en hergebruikt.

4. Resultaten en Numerieke Experimenten

De auteurs testen de methode in 1D en 2D met verschillende scenario's:

• Stabiliteit ten opzichte van ruis: De reconstructies tonen de verwachte logaritmische stabiliteit. Zelfs bij ruisniveaus tot $10^{-1}$ blijven de reconstructies kwalitatief goed, hoewel de fouten toenemen naarmate de ruis toeneemt.
• Gladde Potentiaal: Voor een gladde, compact ondersteunde "bump"-potentiaal wordt de vorm nauwkeurig hersteld.
• Discontinue Potentiaal: Voor een stapfunctie (discontinue potentiaal) wordt een Total Variation (TV) regularisatie toegepast in de tweede stap. Dit resulteert in scherpere interfaces en betere herstel van de steun (support) vergeleken met de standaard kwadratische regularisatie, die de sprongen verwazigt.
• Vergelijking: De 2D-resultaten tonen een duidelijkere herstel van pieken dan eerdere methoden (zoals die van Li), wat wijst op de effectiviteit van het voorgestelde framework.

5. Significantie

Dit werk is een belangrijke stap in de numerieke behandeling van niet-lokale inverse problemen.

• Het bewijst dat het single-measurement principe, dat theoretisch mogelijk is door unieke voortzetting, ook praktisch uitvoerbaar is met een gestructureerde numerieke methode.
• Het biedt een modulair framework dat compatibel is met bestaande FEM-technieken en integratie van de fractionele Laplaciaan.
• Het adresseert de specifieke moeilijkheden van niet-localiteit (dichte matrices) en ill-posedheid (regularisatie) in één coherent systeem.
• Het biedt een basis voor toekomstig onderzoek naar geautomatiseerde parameterkeuze en scherpere foutgrenzen, met name voor discontinue oplossingen.

Kortom, de auteurs presenteren een robuust, wiskundig onderbouwd en numeriek getest algoritme om de potentiaal in een fractioneel Schrödinger-model te reconstrueren uit slechts één externe meting, wat een brug slaat tussen geavanceerde inverse probleemtheorie en praktische numerieke simulatie.