적응형 안정화 유한요소와 잔차 최소화를 통한 변분 다중스케일 방법

초록

본 논문은 잔차를 이중규범(dual norm)에서 최소화하는 적응형 안정화 연속 유한요소법을 변분 다중스케일(VMS) 프레임워크와 연결한다. 연속(코스케일)와 비연속(파인스케일) 공간을 각각 정의하고, 코스케일 해를 연속 공간에서 잔차 최소화로 얻으며, 파인스케일 해는 VMS 기반 잔차 재구성을 통해 도출한다. 대칭 사다리꼴(saddle‑point) 형태의 시스템과 a‑posteriori 오류 지표를 활용해 자동 적응 메쉬를 구현하고, 선형·비선형 대류‑확산 문제에서 최적 수렴과 강인성을 검증한다.

상세 분석

이 연구는 기존의 잔차 최소화 기반 안정화 유한요소법(특히 Calo et al.의 DG‑norm 최소화)과 변분 다중스케일(VMS) 이론을 통합하는 새로운 수치 해석 프레임워크를 제시한다. 먼저, 전체 비연속 공간 V_h 를 두 개의 서브스페이스, 즉 연속 H¹‑conforming 공간 (\bar V_h)와 비연속 보강 공간으로 분할한다. (\bar V_h) 에서는 잔차를 DG‑norm(dual discontinuous Galerkin norm)에서 최소화함으로써 코스케일 해 (\bar u) 를 얻는다. 이 과정은 Riesz 연산자를 이용한 최소화 문제(15)‑(18)로 표현되며, 사다리꼴 형태의 선형 시스템으로 변환된다.

VMS 관점에서 저자는 V_h 를 세 개의 직교 보완 공간 V₀_h, (\hat V_h), (\tilde V_h) 로 재구성한다. V₀_h 는 (\bar V_h) 에 대해 bilinear form b_h 가 0이 되는 잔차 대표 함수들의 공간이며, (\hat V_h) 는 V₀_h 에 대해 g‑inner product 로 직교하는 공간, (\tilde V_h) 는 (\hat V_h) 에 대해 b_h 가 0이 되는 커널 공간이다. 이렇게 하면 전체 해 u = (\bar u + \tilde u) 로 분해되고, 각각의 스케일은 독립적인 문제(25)와 (26) 로 정의된다. 파인스케일 문제(25)는 V₀_h 에서 잔차 재구성을 수행해 (\varepsilon_0) 를 구하고, 코스케일 문제(26)는 (\hat V_h) 에서 최적 테스트 함수를 사용한 Petrov‑Galerkin 형태로 (\bar u) 를 구한다.

이론적 장점은 두 가지이다. 첫째, 코스케일 해는 연속 공간이므로 자유도 감소와 함께 높은 정확도를 제공한다. 둘째, 파인스케일 잔차 재구성은 VMS‑based sub‑grid 모델 역할을 하여 수치 확산을 최소화하고, 대류‑지배 문제에서 흔히 발생하는 비물리적 진동을 억제한다. 또한, 사다리꼴 시스템은 대칭이며, Riesz 연산자를 통한 잔차 norm이 자연스럽게 a‑posteriori 오류 지표를 제공한다. 이 오류 지표는 각 요소의 잔차 크기를 정량화해 자동 적응 메쉬 정제에 직접 활용된다.

수치 실험에서는 2D·3D 대류‑확산 방정식, 고 Peclet 수, 경계층 및 내부층을 포함한 테스트 케이스를 수행하였다. 선형 문제에서는 최적 차수(p) 수렴률을 보였으며, 비선형 보존법칙(예: Burgers 방정식)에서는 Lax‑Friedrichs 플럭스를 dG 컨텍스트에 삽입해 안정성을 유지하면서도 정확한 해를 얻었다. 특히, 프리미티브 DG 대비 동일 메쉬에서 자유도가 크게 감소하면서도 오차는 동등하거나 더 낮았다. 전반적으로, 제안된 방법은 기존 SUPG, GLS, DPG 등과 비교해 파라미터 의존성을 크게 낮추고, 자동 적응과 강인성을 동시에 달성한다는 점에서 의미가 크다.