공간 의존 반응계수 동시 식별을 위한 고정점 재구성 기법

초록

본 논문은 비선형 서브디퓨전 방정식 (∂{t}^{α}u-∇·(D∇u)=q(x)u-p(x)f(u)) 에서 공간에 따라 변하는 반응계수 (p(x), q(x)) 를 내부 관측 데이터만으로 복원하는 고정점 알고리즘을 제시한다. 두 가지 실험 설계(다른 두 입력에 대한 최종 시점 관측, 혹은 단일 입력에 대한 두 시점 관측)를 분석하고, 충분히 큰 최종 시간 (T) 및 초기 시점 (T{1}) 조건 하에 수렴성과 지역 유일성을 증명한다. 수치 실험을 통해 이론적 결과를 확인한다.

상세 분석

논문은 먼저 반응‑확산 방정식에 시간‑분수 미분 (∂{t}^{α}) (0<α≤1)를 도입함으로써 정상 확산이 아닌 이상 확산 현상을 모델링한다. 비선형 항은 (pf(u)-qu) 형태이며, (f∈C^{2}) 이고 (f(0)=f’(0)=0) 을 만족한다. 주요 난제는 두 개의 미지 계수 (p(x),q(x)) 를 최소한 두 개의 독립적인 관측으로 복원해야 한다는 점이다. 이를 위해 저자는 (i) 서로 다른 두 외부 소스 (r{1},r_{2}) 에 대해 최종 시점 (T) 에서의 상태 (g_{i}=u_{i}(T,\cdot)) 를 측정하거나, (ii) 동일한 소스 (r) 에 대해 두 시점 (T_{1},T_{2}) 에서의 상태를 측정하는 두 시나리오를 제시한다.

고정점 연산자 (T(p,q)) 는 관측값과 현재 추정값을 이용해 식(10)·(13) 형태로 정의된다. 핵심은 행렬식 (\det g(x)=g_{2}f(g_{1})-g_{1}f(g_{2})) 가 영이 아니도록 보장하는 조건(11)·(14)이다. 이 조건은 장시간 후의 정상상태 (u^{\infty}_{i}) 가 충분히 서로 다른 형태를 갖는 경우 자동으로 만족된다.

수학적 분석에서는 먼저 전방 연산자 (S_{i}:(p,q)\mapsto u_{i}) 의 존재와 연속성을 확인하고, 고정점 연산자 (T) 가 실제 계수 ((p^{\ast},q^{\ast})) 주변에서 수축성을 갖는지를 증명한다. 이를 위해 (20) 혹은 (21)과 같은 양성 조건, 그리고 (f) 의 성장 제한 (|f’’(ξ)|≤c_{2}+C_{2}|ξ|^{κ_{2}}) 과 (p∈L^{r},q∈L^{s}) 에 대한 지수 제약 (22)·(23)을 도입한다. 이러한 가정 하에, 충분히 큰 (T) (또는 (T_{2}))와 충분히 작은 (T_{1}) 에 대해 (T) 는 강한 수축 연산자가 되며, 고정점 반복 ((p^{k+1},q^{k+1})=T(p^{k},q^{k})) 또는 단계 크기 (\mu_{k}) 조절을 포함한 변형이 수렴한다. 수렴 속도는 수축 상수에 의해 결정되고, 알고리즘은 오차 (|(p^{k},q^{k})-(p^{\ast},q^{\ast})|) 가 사전에 정한 허용오차 tol 이하가 될 때까지 반복한다.

알고리즘 1은 실제 구현을 위한 구체적인 절차를 제시한다. 여기서는 PDE (2)를 현재 추정값 ((p^{k},q^{k})) 로 풀어 (u_{i}) 를 얻고, 잔차 (res_{i}) 를 계산한 뒤, 식(10)·(13)으로 ((dp,dq)) 를 구한다. 단계 크기 (\mu_{k}) 는 데이터 불일치 감소를 보장하도록 라인 서치를 통해 선택된다.

수치 실험에서는 1‑차원 및 2‑차원 도메인에 대해 Fisher‑KPP (f(u)=u^{2})와 Allen‑Cahn (f(u)=u^{3}) 사례를 테스트한다. 두 종류의 관측 설계 모두에서 알고리즘은 10 ~ 20 회 반복 내에 원래 계수를 높은 정확도로 복원함을 보이며, 잡음이 섞인 데이터에 대해서도 안정적인 재구성이 가능함을 확인한다. 전체적으로 이 연구는 비선형 서브디퓨전 시스템에서 다중 계수를 최소 관측으로 식별할 수 있는 이론적·계산적 프레임워크를 제공한다.