第12回: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
(21st September 2026 Update)
第8回から第11回までは,主にPDEを離散化したあとに残る誤差をどう保証するかを考えてきた.
しかし,その前にもう一つ誤差が入る場合がある.
元のダイナミクスから一部の自由度を消して,reduced modelやmemory equationを作っている場合である.
このとき私は,
「数値解は厳密にcertificateできても,解いている縮約モデル自体が元の系からずれていたらどうするのか」
という問題が気になる.
今回は,未解像ダイナミクスを消したとき,どこで誤差が生まれ,それをどこまでcertificateできるのかを考えたい.
1.未解像自由度を消すと,何が残るのか
最も単純な線形連成系を考える.
\[ \begin{aligned} \dot u &= Au+Bv,\\ \dot v &= Cu+Dv. \end{aligned} \]
ここで \(u\) を観測したいresolved variable,\(v\) を直接は追わないunresolved variableとする.
第二式を形式的に解けば, \[ v(t) = e^{tD}v_0 + \int_0^t e^{(t-s)D}C u(s)\,ds. \]
これを第一式へ代入すると, \[ \dot u(t) = Au(t) + Be^{tD}v_0 + \int_0^t Be^{(t-s)D}C u(s)\,ds. \]
\(v\) は式から消えた.しかし,情報まで消えたわけではない.
未解像自由度の影響は, \[ K(t):=Be^{tD}C \] というmemory kernelと,初期値に由来する項へ移っている.
2.exact reductionとmodel approximationは分けたい
ここは最初に分けておきたい.
上の消去が数学的に正確で,再構成まで含めて元の系と同値なら, \[ \boxed{ \text{exact reduction} \neq \text{model approximation} } \] である.
変数 \(v\) を消したからといって,その時点で近似誤差が生じたわけではない.
誤差が入るのは,例えば,
memory kernelを簡単なkernelへ置き換える.
historyを有限時間で切る.
memoryを有限個の内部変数で近似する.
closure termを経験的な式へ置き換える.
reconstructionを近似する.
といった段階である.
したがって,「縮約誤差」を考えるときには,まずexact eliminationの部分とapproximationの部分を分ける必要がある.
3.kernelを近似した瞬間に,新しい誤差が生まれる
exact kernelを \(K\) とし,実際には \[ K_N \] で近似するとする.
すると,元のmemory term \[ \int_0^t K(t-s)u(s)\,ds \] と,計算に使う \[ \int_0^t K_N(t-s)u_N(s)\,ds \] の間に差が生じる.
この差には,
kernel approximationそのものの誤差.
kernelの違いによって生じるstate error.
さらにそのstate errorが将来へ伝播する影響.
が混ざっている.
だから \[ \|K-K_N\| \] だけを小さくすれば十分とは限らない.
重要なのは,kernelの誤差がsolutionやoutputへどう伝わるかである.
4.model-reduction errorを直接certificateできるか
元のfull systemのresolved componentを \(u_{\mathrm{full}}\),縮約モデルの解を \(u_{\mathrm{red}}\) とする.
まず欲しくなるのは, \[ \boxed{ \|u_{\mathrm{full}}-u_{\mathrm{red}}\| \leq \Delta_{\mathrm{red}} } \] という上界である.
この \(\Delta_{\mathrm{red}}\) が計算可能なら,model reductionそのものにcertificateを付けられる.
ただし,この上界には,
memory operatorの安定性.
kernel perturbationに対するsolution mapの連続性.
initial historyの影響.
有限時間区間での増幅率.
などが入る.
単なる離散化誤差より,一段上の「モデル間の誤差」を扱うことになる.
5.欲しいのがoutputなら,全状態を保証しなくてもよいかもしれない
第10回の流れを使えば,別の見方もできる.
本当に知りたいのが \[ \mathcal J(U) \] というoutputなら, \[ \boxed{ |\mathcal J(U_{\mathrm{full}}) - \mathcal J(U_{\mathrm{red}})| \leq \Delta_{\mathcal J,\mathrm{red}} } \] を直接狙うこともできる.
つまり,
未解像ダイナミクスをどれだけ失ったかではなく,失った情報が欲しいoutputへどれだけ効いたかを見る.
これはgoal-oriented model reductionの考え方と自然につながる.
概念的には, \[ \text{reduction residual} \times \text{adjoint information} \] によってoutput errorを追うことになる.
6.第10回のDWRと同じ構造が,もう一段上に現れる
第10回では,有限要素離散化によるresidualをadjointで重み付けした.
未解像ダイナミクスでは,今度は
「縮約したことによって生じたresidual」
をadjointで見ることができる.
したがって, \[ \boxed{ \begin{array}{c} \text{full dynamics} \\ \Downarrow \\ \text{reduced dynamics} \\ \Downarrow \\ \text{reduction residual} \\ \Downarrow \\ \text{adjoint weighting} \\ \Downarrow \\ \text{output-error bound} \end{array} } \] という流れが考えられる.
DWRの発想は,離散化誤差だけのものではない.
モデルそのものを変えたときの誤差にも,かなり自然に現れる.
7.最終的な誤差には,複数の層がある
ここまで考えると,最終的な数値出力の誤差は一種類ではないことが分かる.
例えば概念的には, \[ \begin{aligned} |\mathcal J(U)-\mathcal J_h^{\mathrm{red}}| \leq{}& \Delta_{\mathrm{reduction}} + \Delta_{\mathrm{kernel}} + \Delta_{\mathrm{discretisation}} \\ &+ \Delta_{\mathrm{solver}} + \Delta_{\mathrm{rounding}}. \end{aligned} \]
というerror budgetを考えられる.
第8回から第11回までは,主に \[ \Delta_{\mathrm{discretisation}} \] をどう保証するかを見てきた.
しかし未解像ダイナミクスでは,その前に \[ \Delta_{\mathrm{reduction}} \quad\text{や}\quad \Delta_{\mathrm{kernel}} \] がある.
いくらFEM errorを厳密にcertificateしても,モデル化の段階で大きくずれていれば,最終的なoutputの保証にはならない.
8.未解像成分は,本当に消えたのか
私はここが一番気になっている.
未解像変数 \(v\) を消去すると,resolved equationだけを見ることができる.
しかし,未解像成分の情報は
memory kernel.
initial-history term.
reconstruction operator.
の中に残っている.
したがって,reduced equationが安定に見えることと,元のfull dynamics全体が同じ意味で安全であることは同じではない.
特に,reconstruction operatorが大きな増幅を持つ場合には,resolved componentが穏やかでも,unresolved componentの評価が厳しくなる可能性がある.
縮約は,不安定性や特異性を消すのではなく,別の場所へ移しているだけかもしれない.
9.PDEの有限時間爆発は,縮約するとどう見えるのか
この問題を考えていると,PDEの有限時間爆発との関係が気になってくる.
full systemに最大存在時刻 \[ T_{\mathrm{full}}^* \] があり, \[ \|U(t)\| \longrightarrow \infty \qquad (t\uparrow T_{\mathrm{full}}^*) \] のようなblow-upが起こるとする.
もしreductionがexactで,reconstructionまで含めてfull systemと本当に同値であるなら,その爆発機構だけが縮約によって勝手に消えることはないはずである.
ただし,爆発がresolved variable \(u\) に直接見えるとは限らない.
例えば \[ \|u(t)\| \leq C \] のままでも, \[ \|v(t)\| \longrightarrow \infty \] となる可能性はある.
その場合,reduced equationだけを見ると穏やかに見えても,memory term,initial-history term,あるいはreconstruction operatorの側に特異な挙動が現れなければならない.
exact reductionでは,singularityが消えるというより,別の表現へ移る可能性がある.
10.近似縮約は,爆発を消したり作ったりするかもしれない
問題がさらに難しくなるのは, \[ K \longrightarrow K_N \] のようにmemory kernelやclosureを近似したときである.
本来の不安定化を担う成分を近似の過程で弱めてしまえば,full modelでは爆発するのにreduced modelでは爆発しない,ということが起こるかもしれない.
逆に,近似kernelやclosureが人工的な増幅を作れば,元のfull modelにはないspurious blow-upをreduced modelが示す可能性もある.
したがって,model reductionの品質を見るときには, \[ \|u_{\mathrm{full}}-u_{\mathrm{red}}\| \] だけでなく, \[ T_{\mathrm{full}}^* \quad\text{と}\quad T_{\mathrm{red}}^* \] の関係も重要になる.
理想的には, \[ |T_{\mathrm{full}}^*-T_{\mathrm{red}}^*| \] を評価したい.
しかし,blow-up timeそのものを厳密に囲うのは難しい.まずは,
「少なくとも時刻 \(T\) まではfull solutionが存在し,reduced modelとの誤差もこの範囲にある」
というno-blow-up certificateから考える方が現実的かもしれない.
11.reconstructionの爆発を見逃さない
resolved variableだけをcertificateすると,未解像側の発散を見逃す可能性がある.
だからblow-upを含む問題では, \[ v_{\mathrm{rec}}(t) = e^{tD}v_0 + \int_0^t e^{(t-s)D}C u_{\mathrm{red}}(s)\,ds \] のようなreconstructionも重要になる.
例えば \[ \|v-v_{\mathrm{rec}}\| \leq \Delta_{\mathrm{rec}}(T) \] を有限時間区間 \([0,T]\) で保証できれば,resolved componentが穏やかなだけなのか,full state全体も本当に制御されているのかを区別できる.
私は,未解像ダイナミクスのcertificateには,このreconstruction側の監視が必要だと思う.
12.reconstructionまでcertificateしたい
exact eliminationの例では, \[ v(t) = e^{tD}v_0 + \int_0^t e^{(t-s)D}C u(s)\,ds \] だった.
縮約モデルから得た \(u_{\mathrm{red}}\) を使えば, \[ v_{\mathrm{rec}}(t) = e^{tD}v_0 + \int_0^t e^{(t-s)D}C u_{\mathrm{red}}(s)\,ds \] とreconstructできる.
すると次に欲しいのは, \[ \|v-v_{\mathrm{rec}}\| \leq \Delta_{\mathrm{rec}} \] という保証である.
resolved variableだけcertificateするのか.
unresolved variableのreconstructionまでcertificateするのか.
この二つは分けて考えた方がよい.
13.memory kernel自体をcertificateするという考え方
さらに一歩進めると,solutionを囲う前にkernelを囲うという考え方もある.
例えば \[ \|K-K_N\|_{\mathcal K} \leq \varepsilon_K \] というkernel errorを,ある適切なkernel norm \(\mathcal K\) で保証する.
その上でsolution mapの安定性を使って, \[ \varepsilon_K \longrightarrow \Delta_{\mathrm{red}} \] へ伝える.
ここでは,
kernelのcertificateとsolutionのcertificateを分ける
ことができる.
memory equationでは,kernelそのものがモデルの一部なので,この分解はかなり自然だと思う.
14.有限時間で安定でも,長時間では別問題になる
model-reduction errorは,時間区間にも依存する.
固定した \[ 0\leq t\leq T \] では小さなkernel perturbationに対して安定でも,\(T\) を大きくすると誤差が蓄積することがある.
したがって, \[ \Delta_{\mathrm{red}}(T) \] が時間とともにどう増えるかを見る必要がある.
これは単に「収束するか」ではなく,
どの時間スケールまでcertificateが意味を持つのか
という問題になる.
memoryやdelayを持つ方程式では,historyの影響が残るので,ここは特に重要だと思う.
15.verified model reductionという考え方
ここまでの流れをまとめると, \[ \boxed{ \begin{array}{c} \text{full dynamics} \\ \Downarrow \\ \text{exact elimination} \\ \Downarrow \\ \text{memory equation} \\ \Downarrow \\ \text{kernel / closure approximation} \\ \Downarrow \\ \text{model-reduction error} \\ \Downarrow \\ \text{goal-oriented / verified output} \end{array} } \] となる.
私は,最後のFEM discretisationだけをverifiedにするのではなく,
full modelからreduced modelへ移る段階そのものにもcertificateを付けたい.
そうすれば,最終的な数値結果について,
どこまでがmodel reductionの誤差で,
どこからがFEMの誤差で,
どこからがsolverやroundingの誤差なのか,
を分けて見ることができる.
16.第11回までとのつながり
第10回では,「欲しい量」に効く誤差をadjointで追った.
第11回では,欲しい量そのものによって必要な解析空間が変わることを見た.
第12回では,さらに一段戻って,
「そもそも計算しているモデルは,元のダイナミクスをどこまで残しているのか」
を考えた.
未解像自由度を消すことは,情報を消すことと同じではない.
その情報はmemoryやreconstructionへ移る.
問題は,そこを近似したときの誤差を,最終的なoutputまで含めてどこまで保証できるかである.
次に考えたいこと
ここまでで,certificateの対象はかなり広がった.
解,flux,QoI,point value,さらにmodel reductionまで来た.
では,これらの保証条件を機械が読める形にできるだろうか.
異方性有限要素法では,maximum angle condition,semi-regular condition,幾何パラメータなどが解析の前提になる.
次は,
「幾何条件を機械可読なcertificateへ――異方性メッシュを数値で判定できるか」
を考えてみたい.
