第11回:maximum-normとpointwise certificate――一点の値を保証できるか
(21st September 2026 Update)
第10回では,DWRの発想を使って,「どの誤差が欲しい量に効くのか」をadjointで追い,さらにverified outputへ進む流れを考えた.
では,欲しい量が \[ \mathcal J(u)=u(x_0) \] のような一点の値だったらどうなるのか.
一見すると,前回の \(\mathcal J\) にこれを代入するだけに見える.
しかし,ここで問題の性質が変わる.
一点の値を保証することは,領域平均を保証することよりずっと難しい.
1.H1の誤差が小さくても,一点の誤差は直接には分からない
第9回までのcertificateでは,例えば \[ \|u-u_h\|_{H^1(\Omega)} \leq \Delta_h \] のようなenergy normの上界を考えてきた.
ここから \[ |u(x_0)-u_h(x_0)| \leq C\Delta_h \] とすぐに言えれば簡単である.
しかし,空間次元 \(d\geq2\) では,一般に \[ H^1(\Omega) \not\hookrightarrow C^0(\overline\Omega) \] である.
したがって,\(H^1\)-normだけを保証しても,一点での値を直接保証することはできない.
これは単なる技術的な問題ではない.
verified ballをどのnormで作ったかによって,保証できるoutputの種類が決まる.
2.point evaluationは普通のvolume QoIとは違う
第10回で扱った典型的なQoIは, \[ \mathcal J(u) = \int_\Omega \psi u\,dx, \qquad \psi\in L^2(\Omega) \] のようなvolume-typeの量だった.
この場合, \[ D\mathcal J(u)v = \int_\Omega \psi v\,dx \] なので,\(H^1\) から \(L^2\) へのembeddingを使って比較的自然に評価できる.
一方, \[ \mathcal J(u)=u(x_0) \] なら,形式的には \[ \mathcal J(u) = \langle\delta_{x_0},u\rangle \] である.
右辺にDirac deltaが現れる.
つまり,一点の値を欲しい量に選んだ瞬間に,adjoint problemの右辺も特異になる.
3.DWRのadjointはGreen関数になる
Poisson問題を例に取る.
point value \[ \mathcal J(v)=v(x_0) \] に対応するadjointは,形式的には \[ -\Delta z = \delta_{x_0} \] を満たす.
これはGreen関数の問題である.
第10回ではadjointを「目的量への感度を運ぶもの」と書いた.一点評価では,その感度が \(x_0\) に集中するため,adjointに特異性が現れる.
したがって,
pointwise error analysisでは,Green関数あるいはそれに対応する特異なadjointが自然に現れる.
4.maximum normが分かれば,一点の値は保証できる
一番直接的な方法は, \[ \|u-u_h\|_{L^\infty(\Omega)} \leq \Delta_\infty \] という上界を作ることである.
そうすれば任意の \(x_0\in\Omega\) に対して \[ |u(x_0)-u_h(x_0)| \leq \Delta_\infty \] であり, \[ \boxed{ u(x_0) \in [ u_h(x_0)-\Delta_\infty,, u_h(x_0)+\Delta_\infty ] } \] となる.
これは非常に分かりやすいpointwise certificateである.
しかし,難しいのはもちろん \[ \Delta_\infty \] を本当に計算可能な上界として作ることである.
5.maximum-norm estimateとmaximum-norm certificateも同じではない
ここでも第8回から続いている区別が必要になる.
maximum-norm error estimateが理論上得られていても,そこに未知の正則性normや非明示的な定数が残っていれば,そのままcertificateにはならない.
例えば, \[ \|u-u_h\|_{L^\infty} \leq C,\Xi_h(u) \] という評価があっても,\(C\) や \(\Xi_h(u)\) が実際には計算できなければ,
「一点の誤差はこの値以下です」
とはまだ言えない.
必要なのは, \[ \|u-u_h\|_{L^\infty} \leq \widehat\Delta_\infty \] で,\(\widehat\Delta_\infty\) のすべての成分が計算可能であることだと思う.
6.第10回のverified ballだけでは足りない
私の最近のverified-outputの枠組みでは, \[ \|u-\tilde u_h\|_V \leq \rho, \qquad V=H_0^1(\Omega) \] というverified ballを作っている.
これはexistenceやvolume-type QoIには非常に使いやすい.
しかし \(d\geq2\) では,このballだけから \[ |u(x_0)-\tilde u_h(x_0)| \] を直接上から押さえることはできない.
したがってpointwise certificateへ進むには,何かを追加しなければならない.
例えば,
より強いnormでverified enclosureを作る.
PDEの正則性を使ってenergy errorをmaximum normへ持ち上げる.
Green関数によるrepresentationを使う.
point evaluationそのものを正則化する.
といった方法が考えられる.
7.強いnormで囲うという考え方
もし \[ \|u-\tilde u_h\|_X \leq \rho_X \] を保証でき,さらに \[ X\hookrightarrow C^0(\overline\Omega) \] なら, \[ |u(x_0)-\tilde u_h(x_0)| \leq C_X\rho_X \] とできる.
例えば十分大きい \(p\) に対する \(W^{1,p}\) や,十分高いSobolev regularityを持つ空間では,連続関数へのembeddingが使える.
ただし,verified computationではembedding constantまで計算可能にしなければならない.
「強いnormで囲えば終わり」ではなく,そのnormでのresidual,stability,regularity constantをどうcertificateするかという新しい問題が出てくる.
8.Green関数を使うと局所的に見られる
もう一つは,pointwise errorをGreen関数で直接表す方法である.
概念的には, \[ u(x_0)-u_h(x_0) = R(u_h)(G_{x_0}) \] のように,\(x_0\) に対応するGreen function \(G_{x_0}\) でresidualを重み付けする.
これは第10回のDWRと同じ構造に見える.
違うのは,weightが滑らかなadjointではなく,点 \(x_0\) に特異性を持つGreen関数になることである.
そのため,Green関数自身の評価,特異点近傍のmesh,離散Green関数,定数の明示化などが問題になる.
ここまで来ると,pointwise certificateは単なるQoIの一例ではなく,maximum-norm FEM analysisそのものと深くつながる.
9.local averageに置き換えると,第10回の枠組みに戻れる
一点の値そのものが難しいなら,まず小さな領域 \(\omega_\varepsilon(x_0)\) で平均を取る方法もある.
\[ \mathcal J_\varepsilon(u) = \frac{1}{|\omega_\varepsilon|_d} \int_{\omega_\varepsilon(x_0)} u\,dx \] とする.
これは \[ \psi_\varepsilon = \frac{1}{|\omega_\varepsilon|_d} \chi_{\omega_\varepsilon(x_0)} \] を使ったvolume-type QoIなので,固定した \(\varepsilon>0\) に対しては第10回の枠組みに戻せる.
つまり,
point valueをいきなりcertificateする代わりに,まず「小さな領域の平均」をcertificateする.
という考え方である.
ただし \(\varepsilon\to0\) とすると,\(\psi_\varepsilon\) のnormは大きくなり,certificateも厳しくなる.
一点評価が難しいことが,この正則化からも見えてくる.
10.これは今の論文の外側にある
私のpreprint Low-order CR–RT equilibrated-flux certification for semilinear problems on anisotropic meshes では,verified outputを,微分が \(L^2(\Omega)\)-densityを持つvolume-typeのQoIに絞っている.
局所平均はこの範囲に入るが,point evaluationはそのままでは入らない.
また,boundary outputやnormal-flux outputも,trace estimateやflux-specificな議論が別に必要になる.
だから第11回の話は,現在の論文の結果を言い換えているのではなく,その枠組みの次に何を拡張しなければならないかを考えている.
11.異方性メッシュではさらに面白くなる
Green関数は \(x_0\) の近くで特異な構造を持つ.
すると,目的量が一点に集中するほど,meshもその場所の構造を強く意識する必要が出てくる.
ここではgraded meshやanisotropic refinementが自然に候補になる.
ただし,energy normで頑健だったメッシュ条件が,maximum normでもそのまま十分とは限らない.
maximum-norm stability,discrete Green function,DMP,mesh geometryなどが絡み始める.
私が異方性FEMで扱ってきた幾何条件が,pointwise certificateではどこまで使えて,どこから別の条件が必要になるのか.
これはかなり面白い境界だと思っている.
12.一点を保証するには,何をcertificateすればよいのか
ここまでを整理すると,少なくとも三つの方向が見える.
\[ \boxed{ \begin{array}{c} \text{maximum-norm route} \\ \|u-u_h\|_{L^\infty}\leq\widehat\Delta_\infty \end{array}} \]
\[ \boxed{ \begin{array}{c} \text{Green / adjoint route} \\ u(x_0)-u_h(x_0) = \text{residual weighted by a singular adjoint} \end{array}} \]
\[ \boxed{ \begin{array}{c} \text{regularized QoI route} \\ u(x_0) \text{ を小領域平均で近似してcertificateする} \end{array}} \]
どれも同じ目的を見ているが,必要な解析は違う.
そしてverified numericsとしては,最終的に残る定数やGreen関数評価まで計算可能にしなければならない.
13.第10回から第11回へ何が変わったのか
第10回では,
「欲しい量を決めれば,adjointでその誤差を追える」
という話をした.
第11回で分かったのは,
「欲しい量そのものが,解析空間に対して連続であるかを先に確認しなければならない」
ということである.
QoIを選ぶことは,単に最後の出力を選ぶことではない.
そのQoIに応じて,adjointの正則性,必要なnorm,mesh refinement,certificateの作り方まで変わる.
一点の値は,そのことを最もはっきり見せる例だと思う.
次に考えたいこと
ここまでは,離散化したPDEとそのoutputをどうcertificateするかを見てきた.
では,PDEそのものを縮約したときに生じる誤差はどう扱えばよいのか.
未解像自由度を消してmemory equationやreduced modelを作ったとき,
「この縮約モデルの出力は,元のPDEの出力からどれだけずれているか」
を保証できるだろうか.
次は,
「未解像ダイナミクスをcertificateできるか――model reductionとmemoryの誤差をどう保証するか」
を考えてみたい.
