第7回:kernel stabilityとfinite-atomic approximation
Introduction:kernelも離散化変数である
これまでの数値解析では,方程式の係数やmemory kernelを固定し, その方程式の解を空間・時間方向に離散化することが一般的でした. しかし,memory kernelそのものが未解像ダイナミクスから導出・同定・近似されるなら, kernelも誤差をもつモデル変数です.
例えば分布遅延 \[ \int_{[0,\tau]}A_1\widetilde u(t-s)\,d\mu(s) \] を,有限個の遅延位置 \[ \mu_N=\sum_{j=1}^{N}w_j\delta_{s_j} \] で置き換えると, \[ \int_{[0,\tau]}A_1\widetilde u(t-s)\,d\mu_N(s) = \sum_{j=1}^{N}w_jA_1\widetilde u(t-s_j) \] になります.計算は有限個の履歴値だけで済みますが, 解 \(u_{\mu_N}\) が元の解 \(u_\mu\) にどの程度近いかを示さなければなりません.
delay law \(\mu\) を別の測度 \(\nu\) へ置き換えたとき, kernel errorをsolution errorへどう伝播させるか.
その鍵は,二つの解の差を直接比較するのではなく, kernel differenceを一つのreference trajectoryに作用させたresidual へ還元することです.
1.今回扱うのはcoercive instantaneous regime
実Hilbert空間のGelfand triple \[ V\hookrightarrow H\cong H^*\hookrightarrow V^* \] 上で, \[ \partial_tu_\mu+A_0u_\mu+K_\mu\widetilde u_\mu=f, \qquad u_\mu(0)=u_0 \tag{1} \] を考えます.ここで \[ (K_\mu g)(t) := \int_{[0,\tau]}A_1g(t-s)\,d\mu(s). \tag{2} \]
双線形形式 \(a_0,a_1\) は \[ |a_i(w,v)| \le \Lambda_i\|w\|_V\|v\|_V, \qquad i\in\{0,1\}, \tag{3} \] \[ a_0(v,v) \ge \alpha_0\|v\|_V^2, \qquad \alpha_0>0 \tag{4} \] を満たすとします.
今回は第6回のdegenerate graph-space regimeではなく, 瞬時形式 \(a_0\) がcoerciveな場合です. kernelは有限符号付き測度でもよく, \(a_1\) の対称性やpositivityはkernel stabilityに必要ありません. ただし,optimal transportとWasserstein距離を使う部分では, 同じmassをもつ非負測度に制限します.
2.asymmetric residual principle
同じデータ \((u_0,f,\psi)\) に対する二つの解 \(u_\mu\),\(u_\nu\) を考え, \[ e:=u_\mu-u_\nu \] と置きます.差の方程式は \[ \partial_te+A_0e+K_\mu E^+e = -K_{\mu-\nu}\widetilde u_\nu, \qquad e(0)=0. \tag{5} \] ここで \(E^+e\) は \((0,T)\) 上の軌道の零拡張です.
指数重み \(\beta\ge0\) に対して \[ \kappa_\mu(\beta) := \int_{[0,\tau]}e^{-\beta s}\,d|\mu|(s), \tag{6} \] \[ d_{\mu,\beta} := \alpha_0-\Lambda_1\kappa_\mu(\beta) \tag{7} \] とします. \[ d_{\mu,\beta}>0 \tag{8} \] なら,第4回のweighted estimateから \[ \|u_\mu-u_\nu\|_{L^2_\beta(0,T;V)} \le \frac{ \|K_{\mu-\nu}\widetilde u_\nu\|_{L^2_\beta(0,T;V^*)} }{ d_{\mu,\beta} }. \tag{9} \]
左辺の安定性marginは \(\mu\) が決める.
右辺のkernel residualはreference solution \(u_\nu\) に沿って評価する.
この非対称性は欠点ではありません. 近似解 \(u_{\mu_N}\) と極限解 \(u_\mu\) を比較するとき, regularityが分かっている極限軌道をreference trajectoryに選び, 近似kernel側には一様なweighted marginを確保できます.
3.kernelを比較する四つの方法
式 (9) は,kernel residualさえ評価できれば, どのkernel topologyにも対応できます. 目的に応じた役割分担は次の通りです.
| kernel comparison | trajectory assumption | consequence |
|---|---|---|
| total variation | \(\widetilde u_\nu\in L^2(-\tau,T;V)\) | signed kernelに対するLipschitz estimate |
| narrow convergence | \(L^2\)-translation continuity | 非負kernelのqualitative strong convergence |
| transport modulus | \(G\in L^2(\mathbb R;V)\) | 軌道固有の定量評価 |
| Wasserstein distance | \(G\in H^\theta(\mathbb R;V)\) | \(W_1^\theta\)-rate |
一つの距離ですべてを扱おうとすると,重要な極限を見失います. 特に,distributed kernelからDirac原子への集中はtotal variationでは近づきません.
4.total variationはsigned kernelの係数摂動を捉える
history operatorの基本評価から \[ \begin{aligned} \|K_{\mu-\nu}\widetilde u_\nu\|_{L^2(0,T;V^*)} \le{}& \Lambda_1 \|\mu-\nu\|_{\mathcal M([0,\tau])}\\ &\times \|\widetilde u_\nu\|_{L^2(-\tau,T;V)}. \end{aligned} \tag{10} \] 従って,式 (9) と組み合わせれば \[ \|u_\mu-u_\nu\|_{L^2_\beta(0,T;V)} \le \frac{\Lambda_1}{ d_{\mu,\beta} } \|\mu-\nu\|_{\mathcal M} \|\widetilde u_\nu\|_{L^2(-\tau,T;V)}. \tag{11} \]
この評価は符号付き測度に使えます. 同じ遅延位置にある係数を変更する場合や, signed feedbackを強い測度normで比較する場合に適しています.
しかし,質量 \(m\) の絶対連続測度 \(\mu_\varepsilon\) が \(m\delta_{\tau_d}\) へ集中しても,両者は互いに特異なので \[ \|\mu_\varepsilon-m\delta_{\tau_d}\|_{\mathcal M} = 2m. \tag{12} \] total variationではdistributed-to-discrete concentrationを検出できません.
5.narrow convergenceは集中を捉えるがrateを与えない
非負測度に対し, \[ \mu_n\rightharpoonup\mu \] を \[ \int_{[0,\tau]}\varphi\,d\mu_n \longrightarrow \int_{[0,\tau]}\varphi\,d\mu \qquad \text{for every }\varphi\in C([0,\tau]) \tag{13} \] で定めます.
\(\mu_n\) と \(\mu\) が非負で, \(\mu(\{0\})=0\) なら,一つの指数重み \(\beta\) と 一つのmargin \(d_*>0\) を選び, 十分大きな \(n\) について \[ d_{\mu_n,\beta}\ge d_*, \qquad d_{\mu,\beta}\ge d_* \tag{14} \] とできます.
固定したjoined trajectoryの時間平行移動は \(L^2(\mathbb R;V)\) でstrongly continuousなので, narrow convergenceから \[ u_{\mu_n}\longrightarrow u_\mu \quad \text{in } W(0,T)\cap C([0,T];H) \tag{15} \] が得られます.
ただし,\(L^2\)-unit ball上には共通のtranslation modulusがありません. 従って,narrow convergenceだけから普遍的な代数rateを出すことはできません.
6.trajectory translation modulus
joined reference trajectory \(\widetilde u_\nu\) を \(G\in L^2(\mathbb R;V)\) へ拡張し, \[ \omega_G(r) := \sup_{|h|\le r} \|G(\cdot-h)-G\|_{L^2(\mathbb R;V)}, \qquad r\ge0 \tag{16} \] と定めます.
translation groupのstrong continuityにより \[ \omega_G(r)\longrightarrow0 \qquad (r\downarrow0). \tag{17} \] また \[ 0\le\omega_G(r) \le 2\|G\|_{L^2(\mathbb R;V)}. \tag{18} \]
\(\omega_G\) は,delay locationを \(h\) だけ動かしたときに, そのreference trajectoryがどれだけ変化するかを直接測ります. 時間正則性をpower lawへ押し込まず, 実際の軌道が持つtranslation behaviourを保持する量です.
7.transport planでdelay massを対応付ける
\(\mu,\nu\) を同じmass \[ M:=\mu([0,\tau])=\nu([0,\tau])>0 \tag{19} \] をもつ非負測度とします. \(\Pi(\mu,\nu)\) を,第一周辺測度が \(\mu\),第二周辺測度が \(\nu\) である非負測度の集合とします.
equal-mass 1-Wasserstein costを \[ W_1(\mu,\nu) := \inf_{\pi\in\Pi(\mu,\nu)} \int_{[0,\tau]^2}|s-r|\,d\pi(s,r) \tag{20} \] とし,trajectory-dependent costを \[ C_G(\mu,\nu) := \inf_{\pi\in\Pi(\mu,\nu)} \int_{[0,\tau]^2} \omega_G(|s-r|)\,d\pi(s,r) \tag{21} \] と定めます.
transport planは,\(\mu\) のdelay location \(s\) にあるmassを, \(\nu\) のdelay location \(r\) へ対応付けます. その一組が作るhistory residualは \[ G(\cdot-s)-G(\cdot-r) \] であり,その大きさを \(\omega_G(|s-r|)\) で測ります.
8.transport-modulus kernel stability
以下,空間を省略していた比較には,統一したtarget norm \[ \|v\|_{\mathfrak X}:= \|v\|_{W(0,T)}+ \|v\|_{C([0,T];H)} \] を使います.完全離散解との比較では,その時間再構成も同じ空間に属すると仮定します.
式 (9) とtransport couplingを組み合わせると, \[ \|u_\mu-u_\nu\|_{L^2_\beta(0,T;V)} \le \frac{\Lambda_1}{ d_{\mu,\beta} } C_G(\mu,\nu). \tag{22} \] さらに \[ \|u_\mu-u_\nu\|_{W(0,T)} + \|u_\mu-u_\nu\|_{C([0,T];H)} \le C_{\mathrm{stab}}\,C_G(\mu,\nu), \tag{23} \] ここで \(C_{\mathrm{stab}}\) は \(\alpha_0,\Lambda_0,\Lambda_1,\beta,T,d_{\mu,\beta}\) に依存します.
もしあるcouplingが \[ |s-r|\le\varepsilon \] の範囲だけでmassを運ぶなら, \[ C_G(\mu,\nu) \le M\omega_G(\varepsilon). \tag{24} \] 従って, \[ \|u_\mu-u_\nu\|_{\mathfrak X} \le C M\omega_G(\varepsilon). \tag{25} \]
この評価はpower lawを仮定しません. 数値的にreference trajectoryが得られているなら, そのtranslation differenceを直接計測して kernel perturbationの影響を評価できます.
9.fractional regularityからWasserstein rateへ
\(0<\theta\le1\) とし, \[ G\in H^\theta(\mathbb R;V) \] なら,fractional translation estimate \[ \|G(\cdot-s)-G(\cdot-r)\|_{L^2(\mathbb R;V)} \le C_\theta |s-r|^\theta \|G\|_{H^\theta(\mathbb R;V)} \tag{26} \] が成り立ちます.
これを式 (22) に代入し,transport planにJensenの不等式を使うと, \[ \boxed{ \|u_\mu-u_\nu\|_{L^2_\beta(0,T;V)} \le \frac{ C_\theta\Lambda_1M^{1-\theta} }{ d_{\mu,\beta} } W_1(\mu,\nu)^\theta \|G\|_{H^\theta(\mathbb R;V)} } \tag{27} \] を得ます.
従って,kernel approximationのrateは delay massのtransport distanceだけでは決まらず, reference trajectoryの時間正則性指数 \(\theta\) も反映します.
10.joined trajectoryのregularityは接合点で決まる
Wasserstein rateで必要なのは, 過去履歴 \(\psi\) と未知軌道 \(u\) を別々に評価することではなく, joined trajectory \[ \widetilde u = \psi\,\mathbf 1_{(-\tau,0)} + u\,\mathbf 1_{(0,T)} \] 全体が \(H^\theta(-\tau,T;V)\) に属することです.
| regularity | \(t=0\) で必要な条件 |
|---|---|
| \(0<\theta<1/2\) | trace compatibilityは不要.jumpも許される. |
| \(1/2<\theta\le1\) | \(\psi(0-)=u(0+)\) in \(V\) |
| \(\theta=1/2\) | pointwise matchingではなくcross-interface integralが有限 |
borderline \(\theta=1/2\) では, \[ \int_{-\tau}^{0} \int_{0}^{T} \frac{ \|u(t)-\psi(s)\|_V^2 }{ (t-s)^2 } \,dt\,ds <\infty \tag{28} \] が正確な追加条件です.
qualitativeなtransport-modulus estimateには \(L^2(\mathbb R;V)\)-extensionだけあればよく, 零拡張を使えるため,このinterface compatibilityは不要です. regularityを上げてalgebraic rateを得ようとしたときに初めて, 接合点の構造が現れます.
11.dataからLipschitz rateを確認する
\(\theta=1\) のLipschitz rateを得るための一つの具体的条件は, \[ u_0\in V, \qquad f\in H^1(0,T;V^*), \qquad \psi\in H^1(-\tau,0;V), \tag{29} \] \[ \psi(0-)=u_0 \quad\text{in }V, \tag{30} \] および \[ w_0 := f(0)-A_0u_0 - \int_{[0,\tau]} A_1\psi(-s)\,d\nu(s) \in H. \tag{31} \]
このときreference solutionは \[ u_\nu\in H^1(0,T;V), \qquad \partial_tu_\nu\in W(0,T) \tag{32} \] を満たし,joined trajectoryは \(H^1(\mathbb R;V)\)-extensionをもちます. 従って式 (27) は \[ \|u_\mu-u_\nu\|_{\mathfrak X} \le C W_1(\mu,\nu) \tag{33} \] というLipschitz estimateになります.
12.fixed positive lagへのdistributed-to-discrete concentration
\(\tau_d\in(0,\tau)\),\(m>0\) とし, \(\eta\ge0\), \[ \int_{-1}^{1}\eta(z)\,dz=1 \] を満たすmollifierを用いて \[ d\mu_\varepsilon(s) := \frac{m}{\varepsilon} \eta\left( \frac{s-\tau_d}{\varepsilon} \right)\,ds, \qquad \nu:=m\delta_{\tau_d} \tag{34} \] とします.
\(\mu_\varepsilon\) のmassを \(\tau_d\) へ運ぶcouplingは \[ |s-\tau_d|\le\varepsilon \] に支持されます. さらに,\(\tau_d\) が原点から正の距離にあるため, 十分小さい \(\varepsilon\) に対して一つのweightで 一様なmarginを確保できます.
従って, \[ \|u_{\mu_\varepsilon}-u_{m\delta_{\tau_d}}\|_{\mathfrak X} \le C\omega_G(\varepsilon) \longrightarrow0. \tag{35} \] reference trajectoryが \(H^\theta\)-regularなら \[ \|u_{\mu_\varepsilon}-u_{m\delta_{\tau_d}}\|_{\mathfrak X} \le C\varepsilon^\theta. \tag{36} \]
これは「滑らかなdistributed delayを狭くすれば, 対応するdiscrete delay evolutionへ近づく」という直観を, principal-part delayを含むenergy spaceで定量化したものです.
13.moving multiple delays
有限原子kernel \[ \mu_n = \sum_{j=1}^{J}m_j\delta_{\tau_{j,n}}, \qquad \mu = \sum_{j=1}^{J}m_j\delta_{\tau_j}, \tag{37} \] \[ m_j>0, \qquad \tau_{j,n}\longrightarrow\tau_j>0 \] を考えます.各atomを対応するatomへ運べば \[ W_1(\mu_n,\mu) \le \sum_{j=1}^{J} m_j|\tau_{j,n}-\tau_j|. \tag{38} \]
従って,reference trajectoryが \(H^\theta\)-extensionをもつなら \[ \begin{aligned} & \|u_{\mu_n}-u_\mu\|_{W(0,T)} + \|u_{\mu_n}-u_\mu\|_{C([0,T];H)} \\ &\qquad\le C \left( \sum_{j=1}^{J} m_j|\tau_{j,n}-\tau_j| \right)^\theta. \end{aligned} \tag{39} \]
atomの位置誤差を,解誤差へ直接変換できます. 一つのatomを複数の近接atomへ分割する近似も同じtransport argumentで扱えます.
14.finite-atomic approximationを具体的に作る
\(\mu\in\mathcal M_0^+([0,\tau])\) のmassを \[ M:=\mu([0,\tau]) \] とします. \[ h_N:=\frac{\tau}{N} \] とし, \[ I_{N,1}:=[0,h_N], \qquad I_{N,k}:=((k-1)h_N,kh_N], \quad 2\le k\le N \tag{40} \] へ分割します.各区間のmassを右端 \[ x_{N,k}:=kh_N \] へ移して \[ \mu_N := \sum_{k=1}^{N} \mu(I_{N,k})\delta_{x_{N,k}} \tag{41} \] と定めます.
すべてのatomは \((0,\tau]\) にあり, \(\mu_N\) と \(\mu\) のmassは同じです. 各区間内の移動距離は高々 \(h_N\) なので \[ W_1(\mu_N,\mu) \le Mh_N = \frac{M\tau}{N}. \tag{42} \]
従って \[ u_{\mu_N} \longrightarrow u_\mu \quad \text{in } W(0,T)\cap C([0,T];H), \tag{43} \] また \(H^\theta\)-regularityがあれば \[ \|u_{\mu_N}-u_\mu\|_{\mathfrak X} = O(N^{-\theta}). \tag{44} \]
これは最も単純なmass-lumping constructionです. より洗練された原子配置も可能ですが, solution estimateへ入る量は,まずdelay massのtransport costです.
15.kernel errorとstate-discretisation errorを分離する
\(U_{h,k,N}\) を,有限原子kernel \(\mu_N\) に対する 空間・時間離散解とします.三角不等式により \[ \begin{aligned} \|u_\mu-U_{h,k,N}\|_{\mathfrak X} \le{}& \|u_\mu-u_{\mu_N}\|_{\mathfrak X}\\ &+ \|u_{\mu_N}-U_{h,k,N}\|_{\mathfrak X}. \end{aligned} \tag{45} \]
第一項はkernel approximation errorで, \[ \|u_\mu-u_{\mu_N}\|_{\mathfrak X} \le C W_1(\mu_N,\mu)^\theta. \tag{46} \] 第二項は,有限delay problemに対する space-time state-discretisation errorです.
この分解によって, kernel model reductionとFEM・時間積分の誤差を混同せずに評価できます. 完全離散解析で残る課題は,第二項のconstantを \(\mu_N\) の集中に対して一様に保つことです.
16.spatial Galerkin semidiscretisationへの一様移行
有限次元空間 \(V_h\) 上で,離散形式が mesh parameterに依存しない有界性とcoercivityを満たし, \[ \alpha_{0,h}\ge\alpha_* >0, \tag{47} \] \[ d_{\mu,h,\beta} := \alpha_{0,h} - \Lambda_{1,h}\kappa_\mu(\beta) \ge d_*>0 \tag{48} \] を一様に満たすとします. さらにreference semidiscrete trajectoryの \(H^\theta\)-extension normが一様に有界なら, 同じWasserstein estimateをmesh-independent constantで得られます.
標準conforming FEMだけでなく, uniform discrete Poincaré inequalityをもつ Crouzeix–Raviart semidiscretisationにも適用できます. 従って,kernel-transport errorは空間離散後も独立した誤差成分として残ります.
ただし,これは完全離散誤差をすべて証明したという意味ではありません. nonconforming consistency errorとtime-stepping errorを, finite-atomic familyに対して一様に評価する作業が別に必要です.
17.positive lagとzero delayは同じ極限ではない
fixed positive lag \(\tau_d>0\) への集中では, kernel massが原点から離れているため, 一つの指数重みで一様なstability marginを確保できます.
一方, \[ \mu_{\tau_d}=M\delta_{\tau_d}, \qquad \tau_d\downarrow0 \] では, \[ \kappa_{\mu_{\tau_d}}(\beta) = Me^{-\beta\tau_d}. \tag{49} \] \[ \frac{\Lambda_1M}{\alpha_0}>1 \] なら,一様なmarginを得るために必要なweightは \(\tau_d^{-1}\)-scaleで発散します.
この損失はproofのartifactではありません. principal-part delayではclass-level threshold \[ \frac{\Lambda_1M}{\alpha_0} \tag{50} \] が現れます.
- \(\Lambda_1M/\alpha_0<1\):massだけに依存するunweighted boundをdelay locationに一様に保てる.
- \(\Lambda_1M/\alpha_0=1\):各固定scalar modeはspectrally stableでも,small-delayとhigh-frequencyを同時に取るとcoercive space-time normの一様性を失う.
- \(\Lambda_1M/\alpha_0>1\):一様に有界なデータから,\(\exp(cT/\tau_d)\)-scaleで成長するsolution familyが生じ得る.
従って,positive-lag concentrationの一様estimateを そのまま原点まで延長することはできません. 原点の極限では \(M\delta_0\) を瞬時形式へ吸収するrenormalisationが必要です.
18.fractional exponentはresidual mechanismではsharpである
式 (27) の指数 \(\theta\) は, bounded \(H^\theta(\mathbb R;V)\)-sets上で translation differenceを一様に制御する指数として最適です. 高周波trajectoryを使うと, \[ \|G(\cdot-h)-G\|_{L^2} \] を \(h^{\theta+\varepsilon}\) で一様に評価することはできません.
ただし,これは translation-to-residual stepのsharpnessです. parabolic resolventが特定のデータに追加の時間平滑化を与える可能性があるため, full solution errorについて必ず同じlower boundが成立する,という主張ではありません.
19.delay atomsとProny modesを混同しない
delay measureの有限原子化 \[ \mu_N = \sum_{j=1}^{N}w_j\delta_{s_j} \] は \[ K_{\mu_N}\widetilde u(t) = \sum_{j=1}^{N} w_jA_1\widetilde u(t-s_j) \tag{51} \] というshifted statesの有限和を作ります.
一方,Prony kernel \[ k(t) = \sum_{\ell=1}^{L} c_\ell e^{-\gamma_\ell t} \tag{52} \] は,relaxation-rate variable \(\gamma\) 上の原子測度に対応し, 内部変数ODEの有限系を作ります.
両方とも「有限個の原子」を使いますが, 原子が置かれる変数が異なります.
- delay atom:lag location \(s\) 上の原子.
- Prony mode:relaxation rate \(\gamma\) 上の原子.
この区別は,第8回以降でdelay quadratureとinternal-variable discretisationを 比較するときに重要になります.
Conclusion
kernel stabilityの出発点は, 二つのsolution operatorsを直接比較することではなく, kernel differenceを一つのjoined reference trajectoryに作用させた asymmetric residualへ還元することです.
\[ \text{kernel perturbation} \longrightarrow \text{history residual on one trajectory} \longrightarrow \text{solution perturbation} \]
total variationはsigned coefficient perturbationを, narrow convergenceはqualitative concentrationを, transport modulusはtrajectory-dependent rateを, Wasserstein distanceはfractional regularityに応じた \(W_1^\theta\)-rateを与えます.
finite-atomic approximationでは \[ W_1(\mu_N,\mu)\longrightarrow0 \] を確保することで, kernel model reduction errorを space-time discretisation errorから分離できます. ただし,一様性が保たれるのは原点から離れたpositive-delay regimeであり, zero delayは瞬時作用へ移る特異境界です.
Prony近似または有限緩和モードに対して, 連続extended energyのcoupling cancellationを時間・空間離散後にも再現する条件を整理します.
前の記事: 第6回:graph-space well-posednessとは何か
関連ページ: Publications(S3–S5,A3), Research Visions(Vision 11,18), Supplementary Visions(履歴依存型発展方程式とmemory kernel)
