第10回:DWRの発想をverified outputへ――adjointで「欲しい量」の誤差を保証する
(21st September 2026 Update)
第9回では,equilibrated fluxを作ることで,未知の真の解を直接使わずに誤差を上から押さえる考え方を見た.
しかし,実際の計算で欲しいのは,解全体とは限らない.
ある領域での平均値,ある重み付き積分,エネルギーのような一つの量だけを知りたいことがある.
そこで今回は,
「誤差がどこにあるか」ではなく,「その誤差が,私の欲しい量にどれだけ効くか」
を見るDWR(dual-weighted residual)の考え方から出発して,verified outputまで考えてみたい.
1.まず「欲しい量」を決める
解を \(u\) とするとき,最終的に知りたい量を \[ \mathcal J(u) \] と書く.これをquantity of interest,QoIと呼ぶ.
例えば, \[ \mathcal J(u) = \int_\Omega \psi u\,dx \] のような重み付き平均や, \[ \mathcal J(u) = \frac{1}{|\omega|_d} \int_\omega u\,dx \] のような局所平均が考えられる.
解全体の誤差 \[ \|u-u_h\| \] が小さいことと,目的量の誤差 \[ |\mathcal J(u)-\mathcal J(u_h)| \] が小さいことは,同じ問題ではない.
ある方向の誤差は \(\mathcal J\) にほとんど影響しないかもしれないし,逆に局所的な小さな誤差が目的量に強く効くこともある.
2.DWRは何を重み付けしているのか
まず線形問題で考える. \[ a(u,v)=F(v) \qquad \forall v\in V \] とし,有限要素解を \(u_h\in V_h\) とする.
primal residualを \[ R(u_h)(v) := F(v)-a(u_h,v) \] と定める.
ここで,目的量 \(\mathcal J\) に対応するdual,あるいはadjoint solution \(z\) を \[ a(w,z)=\mathcal J(w) \qquad \forall w\in V \] で定める.
すると線形な \(\mathcal J\) について, \[ \mathcal J(u)-\mathcal J(u_h) = R(u_h)(z) \] となる.
さらに \(z_h\in V_h\) を使い,Galerkin orthogonalityが成り立てば, \[ \mathcal J(u)-\mathcal J(u_h) = R(u_h)(z-z_h) \] と書ける.
ここにDWRの基本的な考え方がある.
residualの大きさだけではなく,そのresidualが目的量へどのくらい伝わるかをadjointで重み付けする.
3.adjointは「目的量への感度」を運ぶ
私はadjointを,目的量 \(\mathcal J\) の感度を方程式の中へ逆向きに伝えるもの,と考えると分かりやすいと思っている.
primal problemは
「この方程式を解くと,状態 \(u\) はどうなるか」
を見る.
adjoint problemは逆に,
「状態のどの誤差が,最終的な \(\mathcal J\) に効くのか」
を教えてくれる.
だから,同じprimal residualでも,adjoint weightが小さい場所ならQoIへの影響は小さく,大きい場所なら強く効く.
4.DWR estimatorとverified outputは同じではない
ここは区別したい.
DWRは,目的量誤差をgoal-orientedに捉える非常に強力な考え方である.
しかし,adjointを数値近似し, \[ R(u_h)(z_h^\star-z_h) \] のような量を計算しただけで, \[ |\mathcal J(u)-\mathcal J(u_h)| \leq \Delta_h \] という厳密な上界が自動的に得られるわけではない.
adjoint approximationの誤差,非線形ならTaylor remainder,残差評価に使う定数などを最後まで保証する必要がある.
したがって, \[ \boxed{ \text{DWR estimator} \neq \text{rigorous output enclosure} } \] である.
ただし,DWRのadjoint-weighted residualという発想は,verified outputを鋭くするために非常に自然に使える.
5.私の論文では,まずverified ballを作る
私のpreprint Low-order CR–RT equilibrated-flux certification for semilinear problems on anisotropic meshes では,最初からDWR estimatorを作るのではない.
まずNewton–Kantorovich型の議論を使って,計算した状態 \(\tilde u_h\) のまわりに \[ B_\rho(\tilde u_h) = \left\{ w\in V: \|w-\tilde u_h\|_V\leq\rho \right\} \] を作り, \[ u\in B_\rho(\tilde u_h) \] であることをcertificateする.
つまり,真の解がどこにあるかを,まず半径 \(\rho\) の中へ閉じ込める.
このとき必要になるresidual boundの一部を,第9回で見たCR–RT equilibrated fluxとMarini型の再構成から作っている.
なお,この論文のprimal state \(\tilde u_h\) はconforming有限要素空間で計算し,CR法はcertificate fluxを構成するための補助問題として使っている.
6.adjointがなくても,まずQoIを囲うことはできる
verified ballが得られれば,\(\mathcal J\) の微分がそのball上で \[ \|D\mathcal J(w)\|_{\mathcal L(V,\mathbb R)} \leq L_{\mathcal J}(\rho) \] と評価できるとき, \[ |\mathcal J(u)-\mathcal J(\tilde u_h)| \leq L_{\mathcal J}(\rho)\rho \] である.
したがって, \[ \boxed{ \mathcal J(u) \in \left[ \mathcal J(\tilde u_h)-L_{\mathcal J}(\rho)\rho,, \mathcal J(\tilde u_h)+L_{\mathcal J}(\rho)\rho \right] } \] というbaseline enclosureが得られる.
これは既にrigorousなoutput boundである.
ただし,\(L_{\mathcal J}(\rho)\rho\) はworst-caseの感度を見るので,幅が大きくなることがある.
そこでadjointが出てくる.
7.DWRの発想で,certificateを鋭くする
非線形問題 \[ \mathcal F(u)=0 \] では,\(\tilde u_h\) で線形化して \[ \mathcal L_{\tilde u_h} := D\mathcal F(\tilde u_h) \] を考える.
目的量の微分を \[ j_{\tilde u_h}(v) := D\mathcal J(\tilde u_h)v \] とし,adjoint state \(z\) を \[ B_{\tilde u_h}(v,z) = j_{\tilde u_h}(v) \qquad \forall v\in V \] で定める.
ここで \(B_{\tilde u_h}\) は線形化 \(\mathcal L_{\tilde u_h}\) に対応するbilinear formである.
adjoint approximationを \(z_h\) とすると,output errorの主要部分に \[ \left| \langle \mathcal F(\tilde u_h),z_h \rangle \right| \] が現れる.
これは,まさにprimal residualをadjointで重み付けした量である.
この意味で,私の方法にはDWRの核にあるgoal-orientedな構造が入っている.
8.ただし,DWR的な主要項だけでは終わらない
verified outputにするには,主要項だけを計算して終わることはできない.
私の論文では,最終的なerror budgetを \[ E_{\mathcal J}(\rho;z_h) \] として, \[ \mathcal J(u) \in \left[ \mathcal J(\tilde u_h)-E_{\mathcal J}(\rho;z_h),, \mathcal J(\tilde u_h)+E_{\mathcal J}(\rho;z_h) \right] \] と囲う.
その中には,
primal residualをadjointで重み付けした項.
非線形な \(\mathcal F\) のremainder.
adjoint approximationの誤差.
\(\mathcal J\) 自身の非線形remainder.
が入る.
つまり,
DWR的な情報を使って鋭くするが,最後には残ったすべての項を上から押さえてenclosureにする.
9.adjoint residualもcertificateしなければならない
adjoint approximation \(z_h\) を計算しただけでは,真のadjoint \(z\) との差は未知である.
そこでadjoint residual \[ \langle\mathcal G(z_h),v\rangle := j_{\tilde u_h}(v) - B_{\tilde u_h}(v,z_h) \] を考える.
coercivity constantを \(\alpha>0\) とすれば, \[ \|z-z_h\|_V \leq \alpha^{-1} \|\mathcal G(z_h)\|_{V^*} \] と評価できる.
すると新しい問題が出てくる.
では,\(\|\mathcal G(z_h)\|_{V^*}\) をどう保証するのか.
10.ここで第9回のequilibrated fluxがもう一度出てくる
私の論文では,adjoint residualのdual normにも,第9回で見たのと同じequilibrated-flux residual certificationを使う.
つまり, \[ \text{primal residual} \quad\text{だけでなく}\quad \text{adjoint residual} \] にもcertificate fluxを作る.
adjoint側でも \(H(\operatorname{div})\)-conforming fluxを構成し,そのflux mismatchとelement residualから \[ \|\mathcal G(z_h)\|_{V^*} \] の上界を作る.
しかも,そのfluxはprimal側と同じ低次のMarini型CR–RT routeで構成できる.
したがって,第9回と第10回は別々の話ではない.
\[ \boxed{ \begin{array}{c} \text{CR--RT equilibrated flux} \\[4pt] \Downarrow \\[4pt] \text{primal residual certificate} \\[4pt] + \\[4pt] \text{adjoint residual certificate} \\[4pt] \Downarrow \\[4pt] \text{verified output} \end{array} } \] という一つの流れになっている.
11.では,私の論文はDWRの応用なのか
私は,DWRあるいはgoal-oriented error estimationの発想をverified computationへ持ち込んだものと見ることができると思っている.
ただし,古典的なDWR estimatorをそのまま適用した論文,という言い方では少し違う.
DWRの中心にある \[ \text{residual} \times \text{adjoint information} \] という構造を使いながら,
Newton–Kantorovichによるverified ball.
equilibrated-flux residual bound.
adjoint residualのcertificate.
非線形remainderの評価.
を組み合わせて,最終的に \[ \mathcal J(u) \] そのものをrigorousな区間に入れる.
だから私には,
DWRからverified outputへ進んだ構成
と考えるのが一番自然に見える.
12.今回の論文で扱うQoIには範囲がある
ここも明確にしておきたい.
今回の論文でcertificateするQoIは,微分が \(L^2(\Omega)\)-densityを持つvolume-typeの量に絞っている.
例えば \[ \mathcal J(u) = \int_\Omega \psi u\,dx \] や局所平均,さらに適切な非線形volume outputである.
一方,boundary output,normal flux,point valueのような量には,trace estimateや別の正則性,flux-specificな議論が必要になる.
DWRという言葉から何でも同じように扱えるように見えるが,certificateまで要求すると,QoIの種類そのものが解析条件に入ってくる.
13.DWRとverified outputを一言で分けるなら
私なりに一言で分ければ,
DWRは,「どの誤差が欲しい量に効くか」を見る.
verified outputは,「その欲しい量が本当にこの範囲にある」と保証する.
この二つは競合するものではない.
むしろadjoint informationを使えば,worst-caseのoutput enclosureを,goal-orientedな情報でより鋭くできる.
第9回でfluxをcertificateに変え,第10回ではそのcertificateをprimalとadjointの両側に使って,欲しい量そのものを囲うところまで進んだ.
次に考えたいこと
今回扱ったのは,主にvolume-typeのQoIだった.
では,一点の値を知りたいときはどうするのか.
\[ u(x_0) \] をそのまま目的量にしたとき,Sobolev空間上の連続性やGreen関数,maximum normの問題が出てくる.
次は,
「maximum-normとpointwise certificate――一点の値を保証できるか」
を考えてみたい.
