第4回:2次元P1有限要素コードを数学的に監査する — assembly・境界条件・収束

ChatGPTで作る有限要素プログラム入門 第4回

はじめに――「正しそうなコード」をどう疑うか

第3回では,2次元三角形P1要素について, reference triangleからphysical triangleへの写像 \[ F_T(\widehat x)=p_0+J_T\widehat x \] と, \[ \nabla\phi_i = J_T^{-\top}\widehat\nabla\widehat\phi_i, \qquad dx=|\det J_T|\,d\widehat x \] をコードへ写しました.

今回は新しい有限要素を導入しません.代わりに,そのコードをどの順番で検査すればよいかを考えます. 有限要素コードのdebuggingでは,Pythonの例外を消すだけでは不十分です. 実装が数学的構造を保存しているかを調べる必要があります.

今回の基本方針
一つのテストに合格しただけではコードを信用しない.
局所構造 → assembly → 境界条件 → patch test → solver residual → convergence の順に,独立な検査を重ねる.

1.監査するモデル問題

第3回と同じく, \[ -\Delta u=f \qquad\text{in }\Omega=(0,1)^2, \tag{1} \] \[ u=0 \qquad\text{on }\partial\Omega \tag{2} \] を考えます.厳密解は \[ u(x,y)=\sin(\pi x)\sin(\pi y), \tag{3} \] 従って \[ f(x,y)=2\pi^2\sin(\pi x)\sin(\pi y). \tag{4} \] です.

有限要素空間は連続P1空間 \[ V_h = \{v_h\in H_0^1(\Omega): v_h|_T\in\mathbb P_1(T) \quad\forall T\in\mathcal T_h\} \tag{5} \] とします.

2.監査は局所要素から始める

三角形 \(T\) の局所剛性行列は \[ K^{(T)}_{ij} = \int_T\nabla\phi_j\cdot\nabla\phi_i\,dx. \tag{6} \] P1要素では \[ K^{(T)} = |T|G_TG_T^{\top}, \qquad |T|=\frac{|\det J_T|}{2}, \tag{7} \] ただし \(G_T\) の第 \(i\) 行は \((\nabla\phi_i)^{\top}\) です.

従って,正しい局所行列には少なくとも \[ (K^{(T)})^{\top}=K^{(T)}, \tag{8} \] \[ K^{(T)} \begin{pmatrix}1\\1\\1\end{pmatrix} = 0 \tag{9} \] が成立します.式 (9) は \[ \phi_0+\phi_1+\phi_2=1 \] というpartition of unityの微分 \[ \nabla\phi_0+\nabla\phi_1+\nabla\phi_2=0 \] に対応しています.

def audit_local_matrix(Ke, tol=1.0e-12):
    symmetry = np.linalg.norm(Ke - Ke.T, ord=np.inf)
    row_sum = np.linalg.norm(Ke @ np.ones(3), ord=np.inf)

    assert symmetry < tol
    assert row_sum < tol

    return symmetry, row_sum

3.Jacobianを直接監査する

局所行列だけでなく,その前段階にある幾何情報も調べます. \[ J_T= [p_1-p_0,\ p_2-p_0] \tag{10} \] について, \[ \det J_T\neq0 \tag{11} \] でなければ要素は退化しています. 反時計回りのconnectivityを採用するなら \[ \det J_T>0 \tag{12} \] も検査できます.

さらに \[ \nabla\phi_i = J_T^{-\top}\widehat\nabla\widehat\phi_i \tag{13} \] なので,

J = np.column_stack((
    P[1] - P[0],
    P[2] - P[0]
))

detJ = np.linalg.det(J)

assert detJ > 0.0

invJT = np.linalg.inv(J).T
grads = (invJT @ grad_hat.T).T

assert np.linalg.norm(
    grads.sum(axis=0),
    ord=np.inf
) < 1.0e-12

を使えます.

4.assembly後の大域行列を監査する

Dirichlet境界条件をまだ課していない大域剛性行列を \(A_{\mathrm{full}}\) とします. 各局所行列の行和が0なので, \[ A_{\mathrm{full}}\mathbf 1=0. \tag{14} \] 従って \(A_{\mathrm{full}}\) は正定値ではなく,定数ベクトルをkernelに持つ半正定値行列です.

同次Dirichlet境界節点を除去し,内部自由度 \(I\) に制限した行列を \[ A_{II} \tag{15} \] とすると, \[ A_{II}=A_{II}^{\top}, \qquad z^{\top}A_{II}z>0 \quad(z\neq0) \tag{16} \] です.

AII = A[np.ix_(interior, interior)]

symmetry = np.linalg.norm(
    AII - AII.T,
    ord=np.inf
)

row_sum_full = np.linalg.norm(
    A @ np.ones(len(nodes)),
    ord=np.inf
)

lam_min = np.linalg.eigvalsh(AII)[0]

print(symmetry)
print(row_sum_full)
print(lam_min)

\(n=8\) のuniform triangulationでは,

quantityvalue
\(\|A_{II}-A_{II}^{\top}\|_{\infty}\)0.0
\(\|A_{\mathrm{full}}\mathbf1\|_{\infty}\)0.0
\(\lambda_{\min}(A_{II})\)3.0448e-1
\(\kappa_2(A_{II})\)2.5274e1

となります.

5.Dirichlet境界条件は値そのものを検査する

同次Dirichlet条件では,境界節点の有限要素値は \[ u_h=0 \qquad\text{on }\partial\Omega \tag{17} \] でなければなりません.

boundary_error = np.max(
    np.abs(uh[boundary])
)

assert boundary_error < 1.0e-14

これは単純ですが重要です. 解のplotだけを見ると,境界値を誤って処理していても気付きにくい場合があります. 境界自由度を直接数値で検査すべきです.

6.solver residualと有限要素誤差を混同しない

線形方程式を解いた後, \[ r_I = A_{II}U_I-b_I \tag{18} \] を調べます. \(n=8\) では \[ \|r_I\|_{\infty} \approx 6.94\times10^{-16} \tag{19} \] でした.

しかし,これは \[ u_h\approx u \] を意味しません. 残差が小さいということは,組み立てた離散方程式を正確に解いたことしか示していません. 間違った有限要素行列を高精度で解いてもsolver residualは小さくなります.

区別すべき二つの誤差
solver error:\(A_{II}U_I=b_I\) をどれだけ正確に解いたか.
discretisation / implementation error:その \(A_{II}\) と \(b_I\) が正しい有限要素問題を表しているか.

7.linear patch testを行う

第1回,第3回で見たように, \[ u(x,y)=a+bx+cy \tag{20} \] は三角形P1有限要素空間に厳密に含まれます. そこで \[ -\Delta u=0 \] とし,境界値を厳密解から与えれば, \[ u_h=u \tag{21} \] でなければなりません.

例えば \[ u(x,y)=1+2x-3y \tag{22} \] を使うと,最大節点誤差は

\(n\)max nodal error
20.0
42.2204e-16
84.4409e-16
161.7764e-15

となります.これは丸め誤差の水準です.

8.最後に収束次数を確認する

滑らかな解に対して,shape-regularな三角形P1メッシュでは \[ \|u-u_h\|_{L^2(\Omega)}=O(h^2), \qquad |u-u_h|_{H^1(\Omega)}=O(h). \tag{23} \] 従って相対誤差 \[ E_{L^2}^{\mathrm{rel}} = \frac{\|u-u_h\|_{L^2(\Omega)}}{\|u\|_{L^2(\Omega)}}, \qquad E_{H^1}^{\mathrm{rel}} = \frac{|u-u_h|_{H^1(\Omega)}}{|u|_{H^1(\Omega)}} \tag{24} \] についても2次と1次が期待されます.

\(n\) \(L^2\) relative error rate \(H^1\) seminorm relative error rate
41.5818e-1—3.7748e-1—
84.2267e-21.9041.9438e-10.958
161.0755e-21.9759.7926e-20.989
322.7009e-31.9944.9056e-20.997

ここまで来て初めて,「この実装は少なくとも期待されるP1有限要素法の漸近挙動と整合している」と判断できます.

9.わざとバグを入れる:\(J^{-\top}\) を \(J^{-1}\) に変える

AI生成コードで起こりやすい誤りを意図的に入れてみます. 正しいコード

invJT = np.linalg.inv(J).T
grads = (invJT @ grad_hat.T).T

を,

invJ = np.linalg.inv(J)
grads = (invJ @ grad_hat.T).T

へ変えます.chain ruleに反するので数学的には誤りです.

10.ところが,間違ったコードもいくつかのテストを通る

このバグは意外に見つけにくいです. なぜなら,間違った \(G_T\) を使っても \[ K^{(T)}=|T|G_TG_T^{\top} \] と作れば行列は対称です.さらに \[ \sum_i\widehat\nabla\widehat\phi_i=0 \] なので,任意の線形変換を掛けても行和0という性質は残ります.

さらに今回のstructured meshでは,この誤った実装でもlinear patch testがほぼ機械精度で通ります.例えば \(n=8\) で最大節点誤差は \[ 2.22\times10^{-15} \] 程度です.

重要
symmetry testにもpatch testにも合格したからといって,コードが正しいとは限らない.

11.収束試験はそのバグを検出する

同じ誤ったコードで \[ u(x,y)=\sin(\pi x)\sin(\pi y) \] を解くと,状況が変わります.

\(n\) wrong \(L^2\) relative error rate wrong \(H^1\) relative error rate
43.5149e-1—4.6679e-1—
83.1152e-10.1743.8825e-10.266
163.0125e-10.0483.6507e-10.089
322.9864e-10.0133.5899e-10.024

誤差は0へ向かって期待次数で減らず,ほぼplateauしています. 正しいコードとの差は明白です.

この例は, 収束次数が単なる理論上の飾りではなく,実装を検証するテスト仕様になっている ことを示しています.

12.一つのテストではなく,独立な監査を重ねる

今回の例から,テストには役割分担があることが分かります.

test主に検出するもの限界
local symmetry局所行列の非対称な実装ミス誤った対称行列も通る
row-sum testpartition of unityの破壊誤った線形変換でも残る場合がある
boundary testDirichlet処理内部作用素の誤りは分からない
linear patch test一次式再現性今回の \(J^{-1}\) bugを見逃す
solver residual線形solver離散問題自体の正しさを保証しない
convergence test漸近的な離散化・実装の整合性厳密解またはreference solutionが必要

13.監査コードをassertionとして埋め込む

監査を記事だけで終わらせず,開発中のコードへ組み込むこともできます.

def audit_element(P, Ke, grads, tol=1.0e-12):
    J = np.column_stack((
        P[1] - P[0],
        P[2] - P[0]
    ))

    detJ = np.linalg.det(J)

    assert detJ > 0.0
    assert np.linalg.norm(
        grads.sum(axis=0),
        ord=np.inf
    ) < tol

    assert np.linalg.norm(
        Ke - Ke.T,
        ord=np.inf
    ) < tol

    assert np.linalg.norm(
        Ke @ np.ones(3),
        ord=np.inf
    ) < tol


def audit_linear_system(A, b, uh, interior, boundary):
    AII = A[np.ix_(interior, interior)]

    assert np.linalg.norm(
        AII - AII.T,
        ord=np.inf
    ) < 1.0e-12

    assert np.linalg.eigvalsh(AII)[0] > 0.0

    assert np.max(
        np.abs(uh[boundary])
    ) < 1.0e-12

    residual = (
        AII @ uh[interior]
        - b[interior]
    )

    assert np.linalg.norm(
        residual,
        ord=np.inf
    ) < 1.0e-10

ただし,これらのassertionをすべて通過しても,前節の例のように収束試験が必要です.

14.ChatGPTには「コードを書け」ではなく「監査せよ」と頼む

Audit prompt
この2次元三角形P1有限要素コードを監査してください.
(1) reference gradientからphysical gradientへの変換が \(J^{-\top}\) になっているか,
(2) \(|\det J|\) と三角形面積の \(1/2\) が正しいか,
(3) 各局所剛性行列が対称で行和0か,
(4) assembly後のfull matrixが定数ベクトルをkernelに持つか,
(5) Dirichlet自由度を除去した行列が対称正定値か,
(6) linear patch testを通るか,
(7) solver residualが十分小さいか,
(8) smooth manufactured solutionで \(L^2\) 2次・\(H^1\) 1次の収束が得られるか,
を数式とコードを対応させながら順に確認してください.

このように質問すれば,ChatGPTを単なるcode generatorではなく, 検査項目を一緒に走査するreviewerとして使えます. ただし,最終判断の基準は有限要素法の数学です.

15.第4回の結論

2次元P1有限要素コードの監査では,

  1. Jacobianとphysical gradientを確認する,
  2. 局所行列の対称性・行和を確認する,
  3. assembly後の大域行列の構造を確認する,
  4. Dirichlet境界値を直接確認する,
  5. linear patch testを行う,
  6. solver residualを確認する,
  7. 最後に相対誤差と収束次数を確認する,

という複数段階のテストが必要です.

今回の最も重要な結果
\(J^{-\top}\) を \(J^{-1}\) と誤って実装しても, 対称性やlinear patch testだけでは見抜けない場合がある. しかし,smooth solutionに対する収束試験では誤差がplateauし,実装の誤りが明確に現れる.

有限要素法の誤差解析は,コードを書いた後の理論的な付録ではありません. 期待される収束率そのものが,実装を検証するための仕様になります.

参考文献

  1. P. G. Ciarlet, The Finite Element Method for Elliptic Problems, North-Holland, 1978.
  2. S. C. Brenner and L. R. Scott, The Mathematical Theory of Finite Element Methods, 3rd ed., Springer, 2008.
  3. A. Ern and J.-L. Guermond, Finite Elements I: Approximation and Interpolation, Springer, 2021.

関連ページ: 第1回:ChatGPTだけで有限要素プログラムは作れるか, 第2回:1次元Poisson方程式を有限要素法で解く, 第3回:2次元三角形P1要素 — reference elementとJacobian, Blog一覧

ページの先頭へ