A PDE Approach to Numerical Fractional Diffusion
University of Maryland, College Park(马里兰大学帕克分校);Universidad Técnica Federico Santa María(弗雷德里科·圣塔玛丽亚技术大学);University of Tennessee, Knoxville(田纳西大学诺克斯维尔分校)
本文探讨了分数扩散问题的高效求解方法,通过局部化PDE结果开发了局部技术,包括误差分析、自适应和多级方法,并展示了其在时空分数抛物方程中的灵活性。
2015-08-18 cs.NA math.NA
Approximation of Integral Fractional Laplacian and Fractional PDEs via sinc-Basis
在随机过程、成像科学、电子物理学等领域的许多应用的推动下,分数拉普拉斯最近受到了极大的关注。该算子成功背后的关键驱动力是它能够捕获非局部效应,同时对函数施加较少的平滑度。在本文中,我们介绍了一个谱方法来近似该算子采用sinc基。使用我们的计划,评估的运营商和它的应用到一个向量的复杂性为$\mathcal O(N\log(N))$,其中$N$是未知数的数量。因此,使用迭代法,如CG,我们提供了一个有效的策略来解决分数阶偏微分方程的外部Dirichlet条件的任意Lipschitz域。我们的实现在$2d$和$3d$中都可以工作。我们还恢复了有限元基准问题的收敛速度。我们进一步说明了我们的方法的效率,通过将其应用到分数Allen-Cahn和图像去噪问题。
2021-07-13 cs.NA math.NA
Numerical conservation laws of time fractional diffusion PDEs
本文第一部分介绍了任意分数阶扩散方程在时间上守恒律的充分条件。满足这些条件的离散模拟的数值方法具有近似连续守恒律的守恒律。在本文的第二部分,我们提出了一种方法,结合了有限差分法在空间上的谱积分在时间上。时间积分器已经在文献中应用于求解具有$α\in(0,1)$阶Caputo分数阶导数的时间分数阶方程。它在这里推广到近似Caputo和Riemann-Liouville分数阶导数的任意阶。我们将该方法应用于具有Riemann-Liouville分数阶导数的亚扩散和超扩散方程,并得到了其守恒律。最后,我们提出了一系列的数值实验,以显示该方法的收敛性和其守恒性质。
2022-03-03 cs.NA math.NA
Operator-Based Uncertainty Quantification of Stochastic Fractional PDEs
Michigan State University(密歇根州立大学)
本文提出一种基于算子的不确定性量化方法,用于处理带有加性随机噪声的随机分数阶偏微分方程,通过概率性列主元方法传播不确定性,并采用快速稳定的Petrov-Galerkin谱方法求解。
2018-05-31 cs.NA math.NA
An efficient feature-preserving PDE algorithm for image denoising based on a spatial-fractional anisotropic diffusion equation
如何在有效去除噪声的同时保持图像的结构特征是图像去噪领域的一个具有挑战性的问题。近年来,基于分数阶偏微分方程的图像去噪方法由于能够兼顾图像去噪与边缘和纹理的保持,吸引了越来越多的研究。在现有的分数阶偏微分方程算法中,只有少数使用空间分数阶导数,并且所涉及的分数阶导数都是单边导数。基于非线性空间分数阶各向异性扩散方程,提出了一种有效的特征保持分数阶PDE图像去噪算法。在PDE模型中使用了适合描述图像局部自相似性的双侧Grumwald-Letnikov分数阶导数。采用短记忆原理简化了近似格式。实验结果表明,该方法在去噪和特征保持之间保持了良好的平衡,并具有很高的结构保持性。
2021-05-08 cs.NA eess.IV math.NA
A PDE approach to space-time fractional parabolic problems
University of Maryland(马里兰大学);George Mason University(乔治梅森大学);University of Tennessee(田纳西大学)
本文研究了具有分数扩散和Caputo分数时间导数的抛物型方程的求解技术,提出并分析了隐式全离散方案,证明了该方案的稳定性和误差估计。
2015-03-04 cs.NA math.NA
Gaussian radial basis functions collocation for fractional PDEs: methodology and error analysis
本文提出一种基于高斯径向基函数配点的无网格伪谱方法求解分数阶泊松方程,利用超几何函数表示分数阶拉普拉斯算子,并通过Toeplitz结构结合快速傅里叶变换实现高效计算,同时给出了严格的稳定性与误差分析。
2023-12-29 cs.NA math.NA
A PDE approach to fractional diffusion: a posteriori error analysis
University of California at Irvine(加州大学尔湾分校);University of Maryland(马里兰大学);George Mason University(乔治梅森大学);University of Tennessee(田纳西大学)
本文提出一种可计算的后验误差估计器,用于分数阶谐波扩展问题,通过求解各向异性圆柱星上的小离散问题,实现内置通量平衡,并在适当假设下与能量误差至数据振荡等价。
2014-11-26 cs.NA math.NA
A Priori Analysis of Stable Neural Network Solutions to Numerical PDEs
利用神经网络求解偏微分方程的方法近年来已成为一个非常重要的课题。我们提供了一个先验的误差分析,这种方法是基于$\mathcal{K}_1(\mathbb{D})$规范的解决方案。我们表明,由此产生的约束最优化问题可以有效地解决使用贪婪算法,它取代了随机梯度下降。在此之后,我们表明,从离散化的能量积分所产生的误差是有界的确定性的情况下,即使用数值积分时,也在随机的情况下,即采样点近似的积分。在后一种情况下,我们使用Rademacher复杂性分析,在前一种情况下,我们使用标准的数值求积界。这扩展了现有的结果,使用一个通用的字典的功能,学习解决方案的偏微分方程的方法,重要的是给出了一个一致的分析,其中包括优化,近似和泛化方面的问题。此外,Rademacher复杂性分析被简化和推广,这使得应用到广泛的问题。
2022-07-14 cs.NA math.NA
Rational spectral methods for PDEs involving fractional Laplacian in unbounded domains
Southern University of Sciences and Technology(南方科技大学);Nanyang Technological University(南洋理工大学);Hong Kong Baptist University(香港浸会大学);Institute of Computational Mathematics, Academy of Mathematics and Systems Science, Chinese Academy of Sciences(中国科学院数学与系统科学研究院计算数学研究所)
本文提出了一种有理谱方法,用于在无界域中求解涉及分数拉普拉斯算子的PDEs,通过构造有理基函数(或修改后的映射切比雪夫函数)来实现高精度的谱方法,并在分数索伯列夫空间中获得最优误差估计。
2019-05-07 cs.NA math.NA
An advanced meshless approach for the high-dimensional multi-term time-space-fractional PDEs on convex domains
提出了一种求解凸区域上高维多项时空分数阶偏微分方程的改进微分求积方法。首先,引入一族高阶差分格式来离散时间分数阶导数,并对所考虑的问题给出一个半离散格式。我们严格证明了它的无条件稳定性和误差估计。在此基础上,我们推导了一类以径向基函数(RBFs)为检验函数的DQ公式。利用这些DQ公式在空间离散化,一个完全离散的DQ格式,然后提出。我们的方法提供了一个灵活的和高精度的替代方案来解决凸区域上的高维多项TSFPES和它的实际性能示出了在公开文献中的其他方法相比。数值结果证实了理论分析和我们提出的方法的能力。
2021-01-27 cs.NA math.NA
Fractional Dissipative PDEs
本章介绍分数阶耗散偏微分方程的动力学,重点探讨反应扩散方程在分数阶时间与空间导数下的稳态、稳定性、分岔及行波,并结合解析与数值延拓方法分析应用实例。
2023-12-09 cs.NA math.AP math.DS
A PDE approach to fractional diffusion: a space-fractional wave equation
Maxwell Institute for Mathematical Sciences, School of Mathematical & Computer Sciences, Heriot-Watt University(赫瑞-瓦特大学数学与计算机科学学院);Departamento de Matemática, Universidad Técnica Federico Santa María(弗雷德里科·圣塔玛丽亚理工大学数学系)
本文研究了包含时间二阶导数和谱分数次幂的演化方程的求解技术,将分数扩散视为半无限圆柱上非均匀椭圆问题的Dirichlet到Neumann映射,并提出两种完全离散方案,分析了稳定性与误差估计。
2018-06-15 cs.NA math.NA
Optimal Control of Fractional Elliptic PDEs with State Constraints and Characterization of the dual of Fractional Order Sobolev Spaces
George Mason University(乔治梅森大学);University of Puerto Rico, Rio Piedras Campus(波多黎各大学里奥彼德拉斯校区)
本文研究了由分数阶椭圆PDEs支配的最优控制问题中的状态约束,开发了多种数学工具,如分数阶Sobolev空间的对偶空间刻画和分数PDEs的测度值数据的适定性,推导了最优控制问题的适定性并得到一阶最优性条件,强调了经典情况(s=1)已被E.Casas研究,但现有结果难以直接应用于分数阶情况。
2019-05-31 cs.NA math.AP math.NA
Deep-Picard Iteration for Space-time Fractional Diffusion PDEs
Tsinghua University(清华大学);Yanqi Lake Beijing Institute of Mathematical Sciences and Applications(北京雁栖湖应用数学研究院)
本文提出一种深度-皮卡德迭代框架,用于高维非线性时空分数扩散方程,通过蒙特卡洛模拟分数动力学替代直接离散Caputo记忆项和非局部分数拉普拉斯算子,利用监督神经网络回归避免分数微分算子残差最小化,测试表明在d=100维问题中具有稳定收敛性和高精度。
2026-05-01 cs.NA math.NA math.PR
A priori error analysis for a finite element approximation of dynamic viscoelasticity problems involving a fractional order integro-differential constitutive law
本文考虑了一个由幂律型应力松弛函数模拟的分数阶粘弹性问题。该粘弹问题是具有弱奇异核的第二类Volterra积分方程,其中卷积积分对应于分数阶微分/积分。在空间上采用有限元法,在时间上采用有限差分法。由于弱奇异性,分数阶积分的时间管理近似的线性插值,使我们可以制定一个完全离散的问题。在本文中,我们提出了一个稳定性界以及先验误差估计。最后,我们对精确解的变化规律进行了数值试验。
2021-03-24 cs.NA math.NA
Optimal Control, Numerics, and Applications of Fractional PDEs
本文简要介绍了两种非局部算子:分数阶拉普拉斯算子和分数阶时间导数算子的研究进展。我们首先考虑这些运算符在成像科学,电子物理学,谐波映射和深度(机器)学习中的几个应用。给出了线性分数阶椭圆型方程解的各种概念,讨论了分数阶拉普拉斯算子和分数阶时间导数的数值格式。重点讨论了以线性椭圆型方程为约束的外部最优控制问题。此外,还考虑了具有内部控制和状态约束的最优控制问题。我们还讨论了分数阶深度神经网络,这是一个以分数阶时间常微分方程为约束的最小化问题。本文最后讨论了几个开放的问题。
2021-06-24 cs.NA math.AP math.NA
Spectral approximation of fractional PDEs in image processing and phase field modeling
George Mason University(乔治梅森大学);University of Freiburg(弗赖堡大学)
本文研究了分数阶微分算子在图像处理和相场建模中的应用,通过谱方法分析了相关模型问题的数值解,并通过数值实验展示了其效率和模型特性。
2017-08-23 cs.NA math.AP math.NA
Generalised Hermite spectral methods for PDEs involving integral fractional Laplacian and Schrödinger operators
本文引入了两类新的任意维广义Hermite多项式/函数(GHP/GHF),并在$\mathbb R^d.$中发展了求解具有整数分数Laplacian(IFL)和/或Schr dinger算子的偏微分方程的高效精确的广义Hermite谱算法。Szegö的1D家族(1939年),GHP的第一个家族(分别为Szegö和Szegö)。GHF)相对于$|\bx|^{2μ} \e^{-|\bx|^2}$正交(分别$|\bx |^{2μ}$)在$\mathbb R^d$中。我们进一步定义了伴随广义Hermite函数(A-GHF),它通过傅里叶变换与相应的广义Hermite函数有着交织的联系,并且与$s>0$阶IFL的内积$[u,v]_{H^s(\mathbb R^d)}=((-Δ)^{s/ 2}u, (-Δ)^{s/2} v )_{\mathbb R^d}$正交.因此,使用A-GHF作为基函数的谱-伽辽金方法导致IFL的对角刚度矩阵(众所周知,这是非常困难和昂贵的离散化)。新的基础也发现有效和准确地解决偏微分方程的分数薛定谔算子:$(-Δ)^s +|\bs x|^{2μ}$与$s\in (0,1]$和$μ>-1/2.$遵循同样的精神,我们构建了第二个家庭的GHF,被称为Müntz型广义厄米函数(M-GHF),这是正交的相对于一个内积相关的基础薛定谔算子,并定制的奇异性的解决方案在原点。我们证明了…
2020-10-23 cs.NA math.NA
A contour method for time-fractional PDEs and an application to fractional viscoelastic beam equations
我们开发了一个快速,准确的轮廓法的时间分数偏微分方程的解决方案。该方法通过优化的稳定求积规则反演拉普拉斯变换,适用于无限维算子,其误差像$N$求积点的$\exp(-cN/\log(N))$一样减小。该方法是可并行的,避免了必须像$t\downarrow 0$一样解决解的奇异性,并避免了大量内存消耗,而内存消耗对于应用于时间分数偏微分方程的时间步进方法来说可能是一个挑战。使用自适应稀疏谱方法求解正交产生的常微分方程,该方法以最佳线性复杂度指数收敛。这些常微分方程的解被重复使用不同的时间。我们提供了一个完整的分析,我们的方法分数梁方程用于模拟小振幅振动的粘弹性材料的分数开尔文-Voigt应力-应变关系。我们计算系统的能量随时间的演化和表面变形的情况下,恒定和非恒定的粘弹性参数。一个无限维的“解决,然后离散”的方法大大简化了分析,研究了一个合适的运营商铅笔的准线性化的数值域的概括。这使我们能够建立一个有效的算法与明确的差错控制。该方法可以很容易地适应于其他时间分数偏微分方程,并不限于分数参数的范围$0<ν<1$。
2021-11-25 cs.NA math.AP math.CV
A priori error estimates for the space-time finite element discretization of an optimal control problem governed by a coupled linear PDE-ODE system
本文研究了简化线性梯度增强损伤模型下的最优控制问题的时空Galerkin有限元离散的先验误差估计。该模型方程是一个特殊的结构,状态方程包括一个椭圆PDE,它必须在几乎所有的时间都满足耦合的ODE,必须在几乎所有的空间点成立。状态方程在时间上采用分段常数间断伽辽金法离散,在空间上采用协调线性有限元离散。对于控制的离散化,我们采用相同的离散化技术,这被证明是等价的变分离散化途径。我们提供的误差估计的最佳顺序的状态方程的离散化以及最优控制。数值实验证明了收敛速度。
2020-04-09 cs.NA math.NA math.OC
Bi-orthogonal fPINN: A physics-informed neural network method for solving time-dependent stochastic fractional PDEs
分数阶偏微分方程(FPDE)可以有效地描述反常输运和非局域相互作用。然而,由于随机强迫或未知的材料特性,在实际应用中自然会出现固有的不确定性。考虑非局部相互作用和不确定性量化的数学模型可以表示为随机分数阶偏微分方程(SFPDEs)。数值求解SFPDE有许多挑战,特别是对于长时间积分,因为这些问题是高维和非局部的。在这里,我们结合双正交(BO)的方法来表示随机过程与物理信息的神经网络(PINN)求解偏微分方程制定双正交PINN方法(BO-fPINN)解决不定常SFPDE。具体来说,我们引入了一个深度神经网络的随机解的不定常SFPDE,并包括BO约束的损失函数以下弱制定。由于自动微分目前不适用于分数阶导数,我们采用网格上的离散化来计算神经网络输出的分数阶导数。BO-fPINN方法的弱形式损失函数可以克服BO方法的一些缺点,从而可以用于求解具有特征值交叉的SFPDE。此外,BO-fPINN方法可以用于具有与正问题相同的框架和相同的计算复杂性的逆SFPDE。我们证明了不同的基准问题的BO-fPINN方法的有效性。结果表明,所提出的方法的灵活性和效率,特别是反问题。
2023-03-20 cs.NA math.NA
FNWoS: Fractional Neural Walk-on-Spheres Methods for High-Dimensional PDEs Driven by $α$-stable Lévy Process on Irregular Domains
Shanghai Normal University(上海师范大学);Shandong University(山东大学);Shanghai University of Finance and Economics(上海财经大学);Shanghai Jiao Tong University(上海交通大学)
本文提出FNWoS方法,结合神经网络与简化走球方案,高效求解高维分数泊松方程在不规则域上的问题。
2026-01-30 cs.NA math.NA
A Note on Multigrid Preconditioning for Fractional PDE-Constrained Optimization Problems
本文提出了求解分数阶扩散方程约束的二次最优化问题的多重网格预处理方法。多重网格方法中的所有在一次的方法来解决一阶最优Karush-Kuhn-Tucker(KKT)系统是广泛流行的,但他们的发展依赖于底层系统是稀疏的。另一方面,对于大多数离散化,期望分数算子的矩阵表示是稠密的。我们开发了一个预处理策略,我们的问题的基础上减少的方法,即我们消除了状态约束,使用控制到状态映射。我们的多重网格预处理方法显示了CG迭代次数的显着减少。我们评估质量的预处理的光谱距离。最后,我们对这个预处理器进行了部分理论分析,并提出了一个猜想,该猜想得到了我们的数值实验的明确支持。
2020-10-27 cs.NA math.NA math.OC
External optimal control of fractional parabolic PDEs
George Mason University(乔治梅森大学);University of Puerto Rico (Rio Piedras Campus), College of Natural Sciences(波多黎各大学(里奥皮埃拉斯校区)自然科学学院)
本文提出了一种新的最优控制概念,用于解决分数抛物型PDEs作为约束的反问题,允许在PDE所满足的领域外放置源或控制。本文讨论了Dirichlet、Neumann和Robin情况。对于分数椭圆型PDEs,这一概念最近由作者在文献中进行了研究。这些新最优控制概念的必要性源于经典PDE模型只能在边界或PDE所满足的内部放置源或控制,而分数算子的非局部行为现在允许在外部放置控制。本文引入了抛物型Dirichlet问题的弱解和非常弱解的概念,并提出了一种通过抛物型Robin解近似抛物型Dirichlet解的方法(并讨论了收敛速率)。对Dirichlet和Robin最优控制问题进行了完整分析。数值实验验证了我们的理论发现,并进一步展示了非局部模型相对于局部模型的潜在优势。
2019-04-11 cs.NA math.AP math.NA
Sharp convergence rates of time discretization for stochastic time-fractional PDEs subject to additive space-time white noise
Florida State University(佛罗里达州立大学);The Hong Kong Polytechnic University(香港理工大学);Mississippi State University(密西西比州立大学)
本文研究了随机时间分数PDEs在加性时空白噪声下的时间离散化收敛性,通过后向欧拉卷积求解法建立了误差估计,并展示了在时空白噪声下的最优收敛率。
2018-08-08 cs.NA math.NA
Regularity of solutions to space--time fractional wave equations: a PDE approach
Universidad Técnica Federico Santa María(智利联邦圣玛丽亚技术大学);University of Tennessee(田纳西大学)
本文研究了涉及分数次幂的演化方程,探讨了其解的正则性,结合PDE方法给出了存在性、唯一性和能量估计,并推导了时间与空间的正则性估计,指出传统数值分析文献中的假设存在问题。
2017-11-16 cs.NA math.AP math.NA
A priori error estimates of Runge-Kutta discontinuous Galerkin schemes to smooth solutions of fractional conservation laws
本文针对一维标量分数阶守恒律光滑解,证明了使用迎风通量的时间二阶全显式Runge-Kutta间断Galerkin格式在能量范数下的最优收敛速率,并引入新型迎风投影作为证明工具。
2024-02-26 cs.NA math.NA
Weak convergence of Galerkin approximations for fractional elliptic stochastic PDEs with spatial white noise
Chalmers University of Technology and University of Gothenburg(查尔姆斯理工大学和哥德堡大学)
本文研究了带有空间白噪声的分数椭圆随机偏微分方程解的数值近似问题,采用有限元空间离散和分数逆算子的积分表示的四次近似,推导了弱收敛率并验证了理论结果。
2018-08-09 cs.NA math.NA stat.ME
Approximation of an optimal control problem for the time-fractional Fokker-Planck equation
本文研究了具有分数阶时间导数的偏微分方程组的数值逼近。利用凸对偶方法,研究了具有不定常漂移的时间分数阶Fokker-Planck方程的最优控制问题.该系统由一个时间分数向后的Hamilton-Jacobi-Bellman方程和一个向前的Fokker-Planck方程组成,可以用来描述被囚禁在反常扩散区的粒子几率密度的演化.我们近似Caputo衍生物的系统通过L1格式和哈密顿量的有限差分。构造了求解Fokker-Planck方程的格式,使得PDE系统的对偶结构在离散水平上得以保持。我们证明了该方案的适定性和收敛到连续问题的解。
2020-06-05 cs.NA math.NA
Symmetric fractional order reduction method with $L1$ scheme on graded mesh for time fractional nonlocal diffusion-wave equation of Kirchhoff type
在这篇文章中,我们提出了一个线性化全离散格式来求解基尔霍夫型时间分数非局部扩散波方程。该格式在空间上采用有限元法,在时间上采用$L1$格式。在$L^{\infty}\big(H^1_0(Ω)\big)$范数下得到了全离散解的$α$ -鲁棒\textit{a priori}界和\textit{a priori}误差估计,其中$α\in (1,2)$是时间分数阶导数的阶数.最后,我们进行了一些数值实验来验证理论结果。
2023-01-04 cs.NA math.NA
Semilinear fractional elliptic PDEs with gradient nonlinearities on open balls: existence of solutions and probabilistic representation
针对高维球域上带梯度非线性的分数阶半线性椭圆PDE,提出基于α-稳定分支过程的树状概率表示法,无需梯度非线性的多项式阶条件即可证明粘性解存在,且在10维下精度优于确定性有限差分法。
2024-06-24 cs.NA math.AP math.NA
Wavelet Galerkin method for fractional elliptic differential equations
School of Mathematics and Statistics, Gansu Key Laboratory of Applied Mathematics and Complex Systems, Lanzhou University(兰州大学数学与统计学院,甘肃省应用数学与复杂系统重点实验室)
本文提出小波伽辽金法用于求解分数椭圆偏微分方程,通过分析分数偏微分方程工作空间中的小波基底,利用矩阵的Toeplitz结构提升计算效率,数值实验验证了该方法的优越性。
2014-05-27 cs.NA math.NA
Variational formulation of time-fractional parabolic equations
Universidad Técnica Federico Santa María(智利联邦圣马利亚技术大学)
本文研究时间分数阶抛物型PDE的初/边界值问题,基于分数阶Sobolev-Bochner空间证明变分公式的正确性,并澄清初始值的选择问题。
2017-04-11 cs.NA math.NA
Fractional, semilinear, and sparse optimal control: a priori error bounds
该研究针对含分数阶半线性椭圆偏微分方程的稀疏最优控制问题,证明最优解存在性与最优性条件,提出两种有限元离散格式并分析其收敛性与先验误差界。
2023-12-13 cs.NA math.NA math.OC
Certified reduced basis methods for fractional Laplace equations via extension
George Mason University(乔治梅森大学);University of Massachusetts Dartmouth(马萨诸塞大学达特茅斯分校);University of Utah(犹他大学)
本文提出基于降阶方法的分数拉普拉斯方程求解策略,通过减少计算成本提升求解效率,验证了在二维空间中该方法的准确性和高效性。
2018-08-01 cs.NA math.NA
A Priori Estimates for Solutions of Boundary Value Problems for Fractional-Order Equations
Kabardino-Balkarian State University(卡巴尔达-巴尔卡尔国立大学);Institute for Applied Mathematics Research KBSC RAS(俄罗斯科学院卡巴尔达-巴尔卡尔科学中心应用数学研究所)
采用能量不等式方法,对扩散波方程的第一类和第三类边值问题解给出先验估计。
2011-05-23 cs.NA math-ph math.MP
Solver-in-the-Loop joint operator learning: fractional Laplace-Beltrami features for interface reconstruction
Xiangtan University(湘潭大学);University of Missouri-Kansas City(密苏里大学堪萨斯城分校);Sichuan University(四川大学)
提出一种求解器在环的联合算子学习方法,通过可学习的分数阶 Laplace-Beltrami 算子将边界数据转化为高维特征,结合神经网络实现电导率系数图像的重建。
2026-05-30 cs.NA math.NA
Fractional semilinear optimal control: optimality conditions, convergence, and error analysis
采用分数阶Laplace算子的积分定义,分析了一类分数阶半线性椭圆型偏微分方程(PDE)的最优控制问题,并考虑了控制约束.我们建立了分数阶半线性椭圆偏微分方程的适定性,并分析了其正则性和合适的有限元离散。在我们的最优控制问题的设置,我们推导出最优解的存在性以及第一和第二阶最优性条件的最优变量的正则性估计也进行了分析。我们设计了一个完全离散的计划,近似控制变量与分段常数函数的状态和伴随方程离散连续分段线性有限元。我们分析了离散化的收敛性质,并推导出先验的误差估计。
2021-09-03 cs.NA math.NA math.OC
Aspects of an adaptive finite element method for the fractional Laplacian: a priori and a posteriori error estimates, efficient implementation and multigrid solver
Brown University(布朗大学);Oak Ridge National Laboratory(橡树岭国家实验室)
本文提出构建近似分数偏微分方程的自适应有限元代码所需的所有组件,改进先验误差估计,开发后验误差估计和误差指标,高效求解线性代数系统并采用多网格方法。
2017-08-13 cs.NA math.NA
Convergence Analysis of PINNs for Fractional Diffusion Equations in Bounded Domains
American University of Beirut(贝鲁特美国大学);Sun Yat-sen University(中山大学);University of California, Santa Barbara(加州大学圣塔芭芭拉分校)
本文提出了一种谱定义的平滑策略,用于在有限域内解决分数扩散方程的PINNs收敛性问题,通过严谨的能量估计证明了PINN在非局部方程中的有效性。
2026-01-04 cs.NA math.NA
Partially Explicit Time Discretization for Time Fractional Diffusion Equation
时间分数阶偏微分方程已被用于许多建模和仿真的应用中。这些应用中的许多是多尺度的,并且在介质属性中包含高对比度变化。它需要非常小的时间步长来执行详细的计算。另一方面,在小的空间网格的存在下,显式方法需要非常小的时间步长。显式方法有许多优点,正如我们在本文中讨论的。在本文中,我们提出了一个部分显式方法的时间分数偏微分方程。该方法解决了一个粗略的计算网格,这是远远大于空间异质性的前向问题,只需要几个自由度进行隐式处理。通过构造适当的空间和仔细的稳定性分析,我们可以表明,时间步长可以选择不依赖于对比度或规模作为粗网格步长。因此,可以在显式方法中使用更大的时间步长。我们目前的稳定性理论,我们所提出的方法和我们的数值结果证实了稳定性的调查结果,并证明了该方法的性能。
2021-08-30 cs.NA math.NA
A Priori Estimation of the Approximation, Optimization and Generalization Errors of Random Neural Networks for Solving Partial Differential Equations
针对神经网络求解偏微分方程时优化非凸非光滑、随机神经网络先验分布选择不明确的问题,本文用带明确先验的随机神经网络在Sobolev范数下逼近Barron型函数,并推导了其求解PDE时的逼近、优化与泛化误差界。
2025-05-18 cs.NA math.NA
On the finite element approximation for fractional fast diffusion equations
考虑$\mathbb{R}^N$中有界开多面体区域上的分数阶快速扩散方程,利用$C^0$ --空间上的分段线性有限元和时间上的向后Euler离散,给出了解的完全Galerkin逼近,证明了近似解的先验估计和收敛速度,推广了\emph{Carsten Ebmeyer and Wen Bin Liu, SIAM J. Numer. Anal., 46(2008), pp. 2393--2410}的结果.在\emph{Qiang Du, Max Gunzburger, Richaed B. Lehoucq and Kun Zhou, SIAM Rev., 54 (2012), no. 4, pp. 667--696.}的框架下,我们将先验估计和收敛速度推广到抛物型积分方程
2019-12-17 cs.NA math.NA
Isogeometric Collocation Method for the Fractional Laplacian in the 2D Bounded Domain
我们考虑二维分数Laplacian的分数偏微分方程的等几何分析。提出了一种等几何配置法来离散分数阶拉普拉斯算子,并将其应用于分数阶泊松问题和含时分数阶多孔介质方程。数值研究表现出单调收敛的速率为$\mathcal{O}(N^{-1})$,其中$N$是自由度。与有限元分析的比较表明,该方法具有较高的单位自由度精度和较好的收敛速度。我们证明,等几何分析提供了一个新的和有前途的计算工具,非局部问题。
2020-05-09 cs.NA math.NA
Optimal error analysis of a non-uniform IMEX-L1 finite element method for time fractional PDEs and PIDEs
Indian Institute of Technology Goa(印度果阿理工学院);BITS-Pilani, KK Birla Goa Campus(比拉尼理工学院KK比尔拉果阿校区)
针对含变系数非自伴椭圆项的时间分数阶偏微分/积分微分方程,提出结合时间分级网格IMEX-L1方法与空间有限元的非均匀格式,推导了多范数最优误差估计与超收敛结果,且结果在分数阶阶数趋近1时一致成立,并用数值实验验证。
2024-03-18 cs.NA math.NA
Cut finite element error estimates for a class of nonlinear elliptic PDEs
虚拟域方法的动机是在复杂域中的许多应用,其边界暴露于大的拓扑变化或变形,虚拟域方法将感兴趣的实际域嵌入到固定的笛卡尔背景中。这通常通过水平集函数对其边界进行几何参数化来实现。本文将非拟合割元数值格式的先验分析推广到线性问题之外。更确切地说,我们考虑了半线性椭圆边值问题的形式$- Δu +f_1(u)=f_2$多项式非线性通过切割有限元法的离散。边界条件是强制执行的,使用Nitsch型的方法。为了确保稳定性和误差估计,是独立的边界相对于网格的位置,配方增加了额外的边界区鬼惩罚条款。这些项作用于与剪切元素相关联的面处的法向梯度的跳跃。先验误差估计的推导,而数值例子说明了该方法的实施和验证的理论研究结果。
2020-03-13 cs.NA math.NA
A Priori Generalization Analysis of the Deep Ritz Method for Solving High Dimensional Elliptic Equations
Duke University(杜克大学);University of Massachusetts(马萨诸塞大学)
本文研究了DeepRitz方法(DRM)的先验推广分析[W. E和B。Yu,2017],一种基于神经网络的求解高维偏微分方程的方法。在DRM框架下,我们得到了两层神经网络在求解$d$维单位超立方体上的泊松方程和静态薛定谔方程时的推广误差界.具体地说,我们证明了推广误差的收敛速度是独立的维数$d$下,先验假设的精确解的偏微分方程位于一个合适的低复杂度的空间称为谱巴伦空间。此外,我们给出了关于强迫项和势函数的充分条件,保证解是谱Barron函数。我们实现了这一点,通过开发一个新的解决方案理论的谱巴伦空间上的偏微分方程,这可以被看作是一个模拟的经典Sobolev正则性理论偏微分方程。
2021-03-22 cs.LG cs.NA math.AP
Monte Carlo PINNs: deep learning approach for forward and inverse problems involving high dimensional fractional partial differential equations
Shanghai Normal University(上海师范大学);Tongji University(同济大学);Academy of Mathematics and Systems Science, Chinese Academy of Sciences(中国科学院数学与系统科学研究院)
我们介绍了一种基于采样的机器学习方法,蒙特卡罗物理告知神经网络(MC-PINNs),用于求解正向和逆分数阶偏微分方程(FPDE)。作为物理信息神经网络(PINN)的推广,我们的方法依赖于深度神经网络代理以及用于计算DNN输出的分数阶导数的随机近似策略。在我们的MC-PINN的一个关键成分是构造一个无偏估计的物理软约束的损失函数。与\cite{pang2019fpinns}中提出的fPINN相比,我们的直接采样方法可以产生更少的总计算成本,从而为求解高维分数偏微分方程提供了机会。我们通过几个例子验证了MC-PINNs方法的性能,包括高维分数阶Laplacian积分方程,时间-空间分数阶偏微分方程的参数识别,分数阶扩散方程的随机输入。结果表明,MC-PINNs是灵活的,有希望解决高维FPDE。
2022-03-16 cs.LG cs.NA math.NA
Numerical solution of fractional elliptic stochastic PDEs with spatial white noise
Chalmers University of Technology and University of Gothenburg(查尔姆斯理工大学和哥德堡大学)
本文研究了在$\mathbb{R}^d$有界域上带有加性空间白噪声的随机偏微分方程的数值解法,核心方法是利用分数次算子的逆运算表示并结合有限元方法进行空间离散,主要贡献是推导了强均方误差的收敛率并进行了数值验证。
2018-01-11 cs.NA math.NA stat.CO
FrFNO:Injecting the analytic Mittag-Leffler propagator into a resolution-robust neural operator for space-time fractional PDEs
School of Mathematics, Southeast University(东南大学数学学院)
针对分数阶偏微分方程重复求解昂贵的问题,提出分数阶傅里叶神经算子,注入解析 Mittag-Leffler 传播子处理线性部分,仅训练残差网络,实现分辨率鲁棒且误差最低。
2026-09-21 cs.NA math-ph math.MP
A priori Error Estimates for Space-Time Finite Element Discretization of Parabolic Time-Optimal Control Problems
Technische Universität München(慕尼黑工业大学);Florida State University(佛罗里达州立大学)
本文研究了由线性抛物偏微分方程 governing 且受点约束控制的最优时间控制问题的空间时间有限元离散方法,基于二阶充分最优性条件获得了控制变量的最优先验误差估计。
2018-09-13 cs.NA math.NA math.OC
An adaptive finite element method for the sparse optimal control of fractional diffusion
Universidad Técnica Federico Santa María(费德里科·萨玛拉科技大学)
本文提出并分析了一个后验误差估计器,用于包含非可导成本函数、分数扩散和控制约束的偏微分方程约束优化问题。通过将分数扩散表示为非均匀PDE的Dirichlet到Neumann映射,并提出一个等价的最优控制问题,设计了一个后验误差估计器,该估计器由四个贡献组成:两个与状态和伴随方程的近似有关,两个与控制变量的离散化及其子梯度有关。状态和伴随方程的离散化贡献依赖于加权Sobolev空间中的各向异性误差估计器。证明了所提出的后验误差估计器在合适假设下是局部有效且可靠的,并设计了自适应方案,使得在进行的示例中获得最优的实验收敛率。
2019-06-03 cs.NA math.NA math.OC