A Galerkin Finite Element Method for the Fractional Calderón Problem

这是一篇关于分数阶 Calderón 问题（Fractional Calderón Problem）数值重建策略的学术论文。作者 Mukul Dwivedi, Jesse Railo 和 Andreas Rupp 提出了一种基于Galerkin 有限元方法（Galerkin Finite Element Method）的数值框架，旨在利用单次部分外部测量数据重建分数阶 Schrödinger 方程中的未知势函数 $q$。

以下是对该论文的详细技术总结：

1. 研究背景与问题定义

• 经典 Calderón 问题：旨在通过边界上的电压 - 电流测量（Dirichlet-to-Neumann, DN 映射）确定介质内部的电导率。这是一个典型的病态逆问题。
• 分数阶 Calderón 问题：将经典扩散模型替换为非局部算子（分数阶 Laplacian $(-\Delta)^s, s \in (0,1)$）。
  • 正问题：求解分数阶 Schrödinger 方程 $(−\Delta)^s u + qu = 0$ 在有界域 $\Omega$ 内，给定外部 Dirichlet 数据 $f$。
  • 逆问题：已知外部观测集 $W \subset \Omega_e$（$\Omega$ 的补集）上的 DN 映射数据，重建内部势函数 $q$。
• 核心挑战：
  • 非局部性：分数阶 Laplacian 导致系统矩阵稠密，计算成本高。
  • 病态性：即使存在唯一性（基于唯一延拓性质），重建也是极度病态的，具有对数稳定性（Logarithmic stability），对噪声极其敏感。
  • 单次测量：本文关注仅使用单次外部测量数据（Single measurement）进行重建，这比传统的全 DN 映射数据更具挑战性但也更符合某些实际应用场景。

2. 方法论：两步重建策略

作者提出了一种将正问题求解与逆问题重建分离的Galerkin-Tikhonov策略，主要分为两个步骤：

第一步：状态重建（State Reconstruction）

利用唯一延拓（Unique Continuation）性质，从外部观测数据恢复内部状态修正项 $u_0$。

1. 分解策略：将解分解为 $u = \bar{u}_f + u_0$，其中 $\bar{u}_f$ 是外部数据 $f$ 的零延拓，$u_0 \in \tilde{H}^s(\Omega)$ 是内部修正项。
2. 预处理测量：定义预处理后的测量数据 $\mu = g - ((-\Delta)^s \bar{u}_f)|_W$，其中 $g$ 是观测到的外部通量。在连续模型中，$\mu = ((-\Delta)^s u_0)|_W$。
3. 离散化与正则化：
   • 将计算域截断为 $\Omega_R$，使用有限元空间 $V_h$ 进行离散。
   • 定义离散观测算子 $L_h$，将 $u_0$ 映射到观测集 $W$ 上的数据。
   • 构建Tikhonov 泛函：$J_{h,\alpha}(v) = \|L_h v - \mu^\delta\|_Y^2 + \alpha \|v\|_{s,R,h}^2$。
   • 通过最小化该泛函，求解正则化线性方程组 $(B^\top W B + \alpha S)v = B^\top W \mu^\delta$，得到离散状态 $u_{0,h}^\alpha$。
   • 优势：由于 $u_0$ 在外部为零，计算 $(-\Delta)^s u_0$ 在 $W$ 上的值时，积分核是非奇异的，提高了数值积分的鲁棒性。

第二步：系数重建（Coefficient Reconstruction）

在恢复状态 $u \approx u_{0,h}^\alpha + \bar{u}_f$ 后，利用方程 $(−\Delta)^s u + qu = 0$ 反推 $q$。

1. 稳定化最小二乘：直接点除 $q = -(-\Delta)^s u / u$ 在 $u$ 接近零时数值不稳定。
2. 加权最小二乘：在子域 $\Omega' \subset \subset \Omega$ 上，求解以下正则化最小化问题：
   $$\min_{q_h} \| w_h^\alpha + q_h u_h^\alpha \|_{L^2(\Omega')}^2 + \alpha_q \|q_h\|_{L^2(\Omega')}^2$$
   其中 $w_h^\alpha$ 是 $(-\Delta)^s u_h^\alpha$ 的有限元表示。
3. 离散化：将问题转化为稀疏的正定线性系统 $G_{\alpha_q} q = b$，其中矩阵 $G_{\alpha_q}$ 的元素涉及 $(u_h^\alpha)^2 + \alpha_q$。
4. 不连续势处理：对于不连续势，文中还引入了全变分（TV）正则化（在数值实验部分），以更好地捕捉跳跃间断点。

3. 主要理论贡献

1. 离散重构的存在性与唯一性：证明了离散 Tikhonov 泛函和离散系数最小化问题均存在唯一解，且对应的线性系统是正定的。
2. 收敛性分析：
   • 证明了在自然的一致性和参数选择假设下（$\alpha \to 0, h \to 0, \delta \to 0$），离散重构状态 $u_h^\alpha$ 收敛于真实解 $u$。
   • 推导了状态重构的先验误差估计，误差界依赖于噪声水平 $\delta$、离散化误差和正则化参数。
3. 系数误差界：
   • 结合状态误差估计和连续逆问题的对数稳定性（Logarithmic stability, 基于 R"uland 的结果），推导了总系数误差界。
   • 证明了总误差具有形式 $O(|\log(\delta)|^{-\gamma})$，这是分数阶 Calderón 问题单次测量的最优稳定性类型。
4. 框架的通用性：该方法将正问题求解器与逆问题重建步骤解耦，且兼容分数阶 Laplacian 的截断和数值积分方案。

4. 数值实验结果

作者在 1D 和 2D 空间进行了数值实验，验证了方法的稳定性和有效性：

• 1D 光滑势：展示了在不同噪声水平下，内部状态 $u_0$ 和势函数 $q$ 的重建效果。误差随噪声降低而减小，且趋势符合预期的对数稳定性。
• 1D 不连续势：
  • 对比了标准 $L^2$ 正则化和 TV 正则化。
  • 结果显示，标准方法会平滑掉间断点，而TV 正则化能更清晰地恢复跳跃界面和支撑集（Support）。
  • 提出了自适应参数选择和去偏（debiasing）步骤以提高精度。
• 2D 光滑势（高斯型隆起）：
  • 在二维网格上成功重建了光滑势函数。
  • 与现有文献（Li [31]）相比，本文方法在峰值处的重建更清晰，损失更小。
  • 误差趋势图再次验证了对数稳定性。

5. 意义与结论

• 理论意义：首次将基于唯一延拓的单次测量重建理论转化为可计算的 Galerkin 有限元框架，并提供了严格的误差分析。
• 计算意义：提出了一种高效的数值策略，利用非局部算子的性质（外部观测集与内部支撑集分离）避免了奇异积分，提高了计算稳定性。
• 应用前景：该方法适用于反演非局部介质中的参数，如异常扩散、材料科学中的非局部相互作用等。
• 未来工作：包括自动化参数选择规则、针对不连续势的更严格误差估计以及更高效的求解器开发。

总结：这篇论文成功构建了一个数学上严谨且数值上稳健的框架，解决了分数阶 Calderón 问题中极具挑战性的单次测量逆问题，通过结合 Tikhonov 正则化、有限元离散化和对数稳定性理论，实现了对光滑及不连续势函数的有效重建。