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

Resumo Técnico: Um Método de Base Reduzida para EDPs Parabólicas Baseado em uma Formulação de Mínimos Quadrados Espaço-Tempo

Definição do Problema
O artigo aborda o desafio de resolver eficientemente equações diferenciais parciais (EDPs) parabólicas dependentes de parâmetros da forma $y_t + A(\mu)y = f(\mu)$ com condição inicial $y(0) = y_0(\mu)$. Os autores focam em um cenário onde o operador $A(\mu)$ e os dados $f(\mu), y_0(\mu)$ dependem de um parâmetro $\mu$ pertencente a um conjunto $\mathcal{P}$. O arcabouço matemático subjacente assume um triplo de Gelfand $(V(\mu), H, V^*(\mu))$ e busca soluções no espaço espaço-tempo $W(0, T) := \{v \in L^2(0, T; V(\mu)) \mid v_t \in L^2(0, T; V^*(\mu))\}$.

O desafio específico abordado é a aplicação de Redução de Ordem de Modelo (MOR), especificamente o método de Base Reduzida (RB), a esses problemas. Os métodos RB padrão baseiam-se em formulações variacionais com formas bilineares uniformemente coercivas e contínuas, uma propriedade naturalmente encontrada em problemas elípticos, mas que frequentemente falta em formulações parabólicas (que são tipicamente não simétricas ou requerem condições de inf-sup). Os autores baseiam-se em uma recente formulação de mínimos quadrados espaço-tempo [HKS23] que assume apenas regularidade mínima, visando estender isso para o caso dependente de parâmetros para aproveitar o robusto arcabouço teórico dos métodos RB elípticos.

Metodologia
A metodologia proposta segue uma estratégia "POD-greedy", integrando a Decomposição Ortogonal Própria (POD) com um algoritmo guloso (greedy) de seleção de parâmetros.

1. Formulações Variacionais:
   Os autores utilizam uma abordagem de mínimos quadrados espaço-tempo. Eles minimizam o resíduo da equação parabólica nas normas $L^2(0, T; V^*(\mu)) \times H$. Essa minimização leva a uma formulação variacional: encontrar $y \in W(0, T)$ tal que $b(\mu; y, w) = l(\mu; w)$ para todo $w \in W(0, T)$.
   Crucialmente, a forma bilinear resultante $b(\mu; \cdot, \cdot)$ é simétrica, uniformemente coerciva e contínua. Essa estrutura permite que os autores tratem o problema parabólico utilizando técnicas desenvolvidas para problemas elípticos parametrizados.

2. Discretização de Alta Fidelidade:
   O problema contínuo é reformulado como um problema de ponto de sela e discretizado usando elementos finitos tensoriais espaço-tempo. O domínio espacial utiliza elementos contínuos lineares por partes (CG 1), enquanto o domínio temporal emprega elementos contínuos lineares por partes para o estado e elementos descontínuos constantes por partes (DG 0) para as funções de teste. Isso resulta em um sistema linear de alta fidelidade $S_d(\mu)\mathbf{x} = \mathbf{s}_d(\mu)$.

3. Construção da Base Reduzida:
   Os espaços de base reduzida $W_L \subset W_d$ e $Q_K \subset Q_d$ são construídos usando um algoritmo POD-greedy (Algoritmo 1).

   • Passo Guloso (Greedy Step): Parâmetros são selecionados de um conjunto de treinamento para maximizar um estimador de erro.
   • Passo POD: Soluções de alta fidelidade para os parâmetros selecionados são coletadas, e a POD é aplicada para extrair uma base de baixa dimensão que minimiza o erro de aproximação na norma espaço-tempo discreta.
   • Decomposição Offline-Online: O método explora a separabilidade paramétrica dos operadores (assumindo que $A(\mu), f(\mu), y_0(\mu)$ podem ser escritos como somas de operadores independentes de parâmetros ponderados por escalares dependentes de parâmetros). Isso permite que as matrizes do sistema reduzido sejam montadas na fase online sem recomputar integrais de alta dimensão.

4. Certificação (Estimativa de Erro):
   Os autores derivam estimadores de erro absolutos e relativos na norma discreta $W_d$.

   • Estimador Teórico ($\eta^*$): Baseado na norma do representante de Riesz do resíduo. Embora preciso, requer a resolução de sistemas que não são totalmente decomponíveis via offline-online.
   • Estimador Prático ($\eta_c$): Uma variante totalmente decomponível offline-online. Isso envolve estimar a norma do resíduo manipulando a formulação matricial do produto interno e utilizando constantes de coercividade discretas. Este estimador permite a certificação eficiente durante a fase online.

Principais Contribuições
O artigo apresenta três contribuições primárias, conforme declarado na declaração de novidade:

1. Redução de Ordem de Modelo para Formulações de Mínimos Quadrados Espaço-Tempo: Ele estende a abordagem de mínimos quadrados espaço-tempo (previamente aplicada a casos não parametrizados) para EDPs parabólicas dependentes de parâmetros com regularidade natural $W(0, T)$.
2. Estimadores de Erro Eficientes: Fornece estimadores de erro absolutos e relativos na norma discreta $W(0, T)$ que suportam uma decomposição offline-online eficiente, uma característica difícil de alcançar em formulações espaço-tempo.
3. Construção POD-Greedy: Implementa uma abordagem POD-greedy para construir os espaços de base reduzida especificamente dentro deste arcabouço simétrico e coercivo de espaço-tempo.

Resultados
O desempenho do método é demonstrado através de dois exemplos numéricos:

1. Problema de Bloco Térmico 2D: Um benchmark padrão com difusividade dependente de parâmetro. Os resultados mostram um decaimento exponencial do erro absoluto em relação à dimensão da base reduzida $L$, consistente com a teoria RB clássica para problemas elípticos. O estimador prático $\eta_c$ mostra-se ligeiramente menos agudo que o estimador teórico $\eta^*$, mas permanece eficaz.
2. Problema 3D com Regularidade Mínima: Um problema tridimensional mais complexo envolvendo coeficientes de difusão descontínuos e termos de fonte. Apesar das suposições de regularidade mínima e da maior dimensionalidade, o método ainda exibe convergência exponencial. Os autores analisam as primeiras funções de base POD, observando que elas capturam as descontinuidades nas fronteiras dos subdomínios.
3. Eficiência Computacional: Uma comparação dos tempos computacionais indica que, embora a fase offline (incluindo POD e montagem de matrizes) possua um custo, a abordagem de base reduzida torna-se mais eficiente do que resolver sistemas completos de alta fidelidade após aproximadamente seis resoluções de alta fidelidade.

Significância e Alegações
Os autores alegam que seu trabalho consegue unir com sucesso o robusto arcabouço teórico dos métodos de base reduzida elípticos ao cenário desafiador das EDPs parabólicas com regularidade mínima. Ao utilizar uma formulação de mínimos quadrados espaço-tempo simétrica e coerciva, eles evitam as complexidades das condições de inf-sup frequentemente associadas aos métodos RB parabólicos.

A significância reside na capacidade de fornecer aproximações de base reduzida certificadas (com limites rigorosos de erro absoluto e relativo) para problemas parabólicos usando técnicas padrão de decomposição offline-online. O artigo nota modestamente que, embora o estimador teórico seja ótimo, o estimador prático oferece um compromisso necessário para a eficiência computacional, e que o desempenho do método é validado através de exemplos numéricos, em vez de aplicação industrial extensiva. O trabalho estabelece uma base para a aplicação de métodos RB a uma classe mais ampla de problemas dependentes do tempo onde a regularidade natural é baixa.