用于带乘性噪声的随机Allen–Cahn方程的Milstein虚拟元素方法在多边形网格上的应用

《Mathematics and Computers in Simulation》:Milstein virtual element methods for the stochastic Allen–Cahn equation with multiplicative noise on polygonal meshes

【字体: 大 中 小 】 时间:2026年02月08日 来源:Mathematics and Computers in Simulation 4.0

编辑推荐:

  刘志新|宋明辉|张宇航 中国哈尔滨工业大学数学学院,哈尔滨150001 **摘要** 本文提出并分析了两种完全离散的方案,用于求解带有乘性噪声的随机Allen-Cahn方程,这两种方案针对非线性项采用了不同的时间步进策略。该方法将隐式Milstein方法用于时间离散

  刘志新|宋明辉|张宇航
中国哈尔滨工业大学数学学院,哈尔滨150001

**摘要**
本文提出并分析了两种完全离散的方案,用于求解带有乘性噪声的随机Allen-Cahn方程,这两种方案针对非线性项采用了不同的时间步进策略。该方法将隐式Milstein方法用于时间离散化,虚拟元素方法用于空间离散化,从而具有两大优势:更高的时间精度以及与通用多边形网格的兼容性。我们为这两种方案建立了p阶(p≥2)矩稳定性以及L2范数下的强误差估计。分析基于解的H?lder连续性估计以及非线性项的严格估计。最后,通过若干数值实验验证了理论结果,并研究了噪声对几何演化的影响。

**引言**
相场模型是一类广泛用于描述多相材料系统的数学模型,为理解和模拟其动力学行为提供了有力工具。著名的Allen-Cahn方程作为一种相场模型,最初由Allen和Cahn在[1]中提出,用于描述在固定温度下淬火的二元合金中的相分离过程。此后,该模型被广泛应用于材料科学、物理学和工程学领域,包括相变[2]、图像分析[3]、平均曲率驱动的运动[4][5]、两相流体流动[6]以及晶体生长[7][8]。在实际系统中,随机性和不确定性普遍存在,并且会对系统演化产生显著影响。因此,随机Allen-Cahn方程是理解动态行为及噪声效应的关键模型。

在本文中,我们考虑以下带有乘性噪声的随机Allen-Cahn方程:
$$du - \Delta u\,dt = \frac{1}{\epsilon^2}f(u)\,dt + g(u)dW(t),\quad (x,t) \in D \times (0,T],$$
$$u(x,t) = 0,\quad (x,t) \in \partial D \times (0,T],$$
$$u(x,0) = u_0(x),\quad (x,t) \in D,$$
其中$D \subset \mathbb{R}^2$是一个带边界$\partial D$的有界域,$x = (x,y)$,$T > 0$为固定常数。正参数$\epsilon$通常表示界面宽度,其与实验室尺度下的特征长度相比为小量。$W(t)$表示在过滤后的概率空间$(\Omega,F,P)$上的R值维纳过程,其自然过滤结构为$F = \{F_t : 0 \leq t \leq T\}$。漂移项$f(u) = u - u^3$,非线性扩散项$g(u)$的具体形式将在后文给出。

在过去二十年中,人们已经开发并分析了多种数值方案,用于求解带有加性或乘性噪声的随机Allen-Cahn方程。例如,[9]提出了一种显式完全离散方案,将该方案的时间离散化采用受控指数欧拉方法,空间离散化则采用谱方法。在[10][11]中,分别引入了半隐式受控欧拉离散方案和隐式两步向后差分方案。此外,基于隐式欧拉–Maruyama方案,[12][13]研究了有限元方法和不连续Galerkin方法对于该方程的强最优误差估计。更多细节可参考[14][15][16][17][18][19][20]及其中的引用文献。然而值得注意的是,所有这些研究都采用欧拉型方案进行时间离散化,其收敛阶不超过12阶。为了构建高阶时间离散化方案,基于扩散项的It?-Taylor展开的Milstein方法是一种常用且有效的数值手段。据我们所知,仅有少数研究探讨了将Milstein方法应用于随机偏微分方程(参见[21][22][23])。最近,[24][25]分别推导出了Milstein有限元方法对于该方程以及非线性随机抛物方程(其中$f(u) = u - u^q$,$q \geq 3$)的强收敛速率。我们还注意到,现有的针对该方程的数值方法主要局限于三角形或四边形网格。在实际工程应用中,这类简单的几何网格往往无法满足需求。相比之下,多边形网格具有更大的灵活性,能够更精确地表示复杂几何结构,因此在复杂物理问题的数值模拟中具有显著优势。

虚拟元素方法是在[26][27]中首次提出的,是一种用于在多边形网格上求解偏微分方程的有效数值方法。该方法放宽了对元素凸凹性的限制,允许使用任意形状的多边形网格,包括非凸、扭曲和弯曲的元素。此外,无需明确知道基函数的形式,只需根据自由度从虚拟元素空间构造到多项式空间的适当投影,再利用这些投影来设计离散方案。虚拟元素方法的灵活性和有效性使其成为众多科学和工程问题中的首选方法,包括抛物方程[28]、波动方程[29][30][31]、薛定谔方程[32][33]、特征值问题[34][35]、斯托克斯/纳维-斯托克斯方程[36][37]、Cahn-Hilliard方程[38][39]以及其他方程[40][41][42]。然而,据我们所知,目前尚无关于虚拟元素方法在随机演化方程数值分析方面的研究。

受上述成果的启发,本文的主要目标是为该方程设计两种Milstein虚拟元素离散方案,并研究所提方案的一些数值特性。在该方法中,空间离散化采用符合要求的虚拟元素方法,时间离散化则采用经典的Milstein方法。非线性漂移项和扩散项通过正交L2投影器进行近似。我们为精确解和非线性项建立了若干技术性引理。基于这些关键引理以及非线性项的严格估计,我们证明了所提数值方案的二阶及更高阶矩稳定性,以及具有特定速率的强收敛性。此外,本文重点研究$f(u) = u - u^3$的情况;如果非线性漂移项$f(u)$满足全局Lipschitz条件,理论分析将更为简单。据我们所知,这是首次尝试利用高阶时间离散化方法研究虚拟元素方法在非线性随机抛物方程数值分析中的应用。

本文结构如下:第2节介绍符号说明和初步结果;第3节定义虚拟元素空间及其近似形式;第4节阐述完全离散方案及稳定性分析;第5节建立强收敛速率;第6节通过数值实验验证理论结果。

**片段摘录**

**初步知识**
本文采用了Sobolev空间及其范数的标准记号。设$O$为$\mathbb{R}^2$中的任意开有界域。对于Sobolev空间$H_m(O)$,$m \in \mathbb{N}$,我们用$\| \cdot \|_m,O$表示其范数,用$| \cdot |_m,O$表示半范数。特别地,当$m=0$时,$H_0(O)$表示$L^2(O)$,而$(\cdot,\cdot)_O$表示$O$中的$L^2$内积。当$O = D$时,下标可省略。给定一个希尔伯特空间$(X,(\cdot,\cdot)_X,\| \cdot \|_X)$,对于$1 \leq p < \infty$,用$L_p(\Omega,F_t;X)$表示所有满足$E\|\nu\|_X^p < \infty$的、在$F_t$下可测的X值随机变量$\nu$所构成的空间。用$L_p(\Omega \times [0,T];X)$表示……

**虚拟元素方法**
设$Th$为将$D$分解成的若干互不重叠的简单多边形元素$K$的集合,其中$h_K = \text{diam}(K)$,$h = \max_{K \in Th}\{h_K\}$。对于每个具有$NK$个顶点的元素$K$,用$V_i$表示其第$i$个顶点,$|K|$表示$K$的面积。此外,设$P_k(K)$表示$K$上次数不超过$k$的多项式构成的空间,特别地,$P^{-1}(K) = \{0\}$。我们用$M_k(K)$表示次数不超过$k$的缩放单项式构成的集合:$\equiv M_k(K) \equiv \sum_{s|s| \leq k} x^K s^s$,其中$x^K$是$K$的重心,$s = (s_1,s_2)$表示一个多重指标,$s_1,s_2 \in \mathbb{N}$,$|s| = s_1 + s_2$,$x_s = x_1^{s_1}x_2^{s_2}$……

**稳定性分析**
在本节中,我们为问题(1)提出了两种完全离散的Milstein虚拟元素方案,并建立了一些稳定性结果,包括二阶及更高阶矩稳定性结果。

设$0 = t_0 < t_1 < \cdots < t_N = T$为$[0,T]$的等距划分,时间步长为$\Delta t = T/N$。给定初始值$u_{h0} = Ihu_{0}$,需找到一个与$F_t$相适应的Wh值过程$\{u_{hn}\}_{n=1}^N$,使得对所有$vh \in Wh$,都有:
$$mh(u_{hn+1} - u_{hn}, vh) + \Delta t a_h(u_{hn+1}, vh) = \frac{1}{\epsilon^2}\Delta t(f_h(u_{hn+1}), vh) + g_h(u_{hn})\Delta \bar{W}_{n+1} + \frac{1}{2}G_h(u_{hn})[(\Delta \bar{W}_{n+1})^2 - \Delta t], vh$$
其中$\Delta \bar{W}_{n+1} = W(t_{n+1}) - W(t_n)$……

**误差估计**
在本节中,我们考虑完全离散方案的强误差估计。我们的分析从以下有用引理开始。

定义$G: \mathbb{R}^+ \times H_1(D) \to L^2(D)$为:$\equiv G(s;u) \equiv g(u) + g'(u)g(u)\int_{t_n}^{s}dW(r)$,其中$t_n \leq s \leq t_n + 1$。容易验证:
$$\int_{t_n}^{t_n+1}G(s;u)dW(s) = g(u)\Delta \bar{W}_{n+1} + g'(u)g(u)\int_{t_n}^{t_n+1}\int_{t_n}^s dW(r)dW(s) = g(u)\Delta \bar{W}_{n+1} + \frac{1}{2}g'(u)g(u)[(\Delta \bar{W}_{n+1})^2 - \Delta t].$$

**引理5.1**
假设条件2.1–2.3成立,且$u_0 \in L^2(\Omega,F_0;H_2(D))$,则存在常数$C > 0$,使得:
(1) $\|G(s;u) - G(s;v)\|_0 \leq C\|u - v\|_0$,对所有$s > 0$,$u,v \in L^2(D)$成立;
(2) $E\[\|g(u(s)) - G(s;u(t_n))\|_0^2\] \leq C|s - t_n|$……

**数值实验**
在本节中,我们通过一些数值示例来支持理论分析,并展示Milstein虚拟元素方案的高效性。为降低计算成本并尽可能生成更多样本,我们仅关注$k=1$的线性元素。我们考虑以下随机Allen-Cahn方程:
$$du - \Delta u\,dt = \frac{1}{\epsilon^2}(u - u^3)dt + \delta(\sin u + \cos u)dW(t),$$
该方程定义在正方形域$D = (0,1) \times (0,1)$上,其中$\delta > 0$用于控制噪声强度。我们使用了包括三角形网格$Th_1$、Voronoi网格$Th_2$在内的多种类型的多边形网格……

**结论**
在本文中,我们研究了两种用于带有乘性噪声的随机Allen-Cahn方程的Milstein虚拟元素方法,并建立了数值解的p阶($p \geq 2$)矩稳定性。通过仔细处理非线性项,我们证明了该数值解在空间和时间上的强收敛速率。数值结果验证了理论分析的正确性,同时表明乘性噪声对数值界面的演化具有不同程度的影响。未来可进一步将这项工作拓展到更复杂的随机抛物方程上……

**CRediT作者贡献声明**
刘志新:撰写——初稿、验证、软件、方法论。宋明辉:撰写——审阅与编辑、监督、方法论。张宇航:撰写——初稿、验证、方法论。

**利益冲突声明**
作者声明不存在任何利益冲突。

**致谢**
作者感谢匿名审稿人提出的宝贵意见与建议。本研究得到了国家自然科学基金(项目编号:12471372)、中国博士后科学基金会(项目编号:2024M754160)以及中国博士后科学基金会博士后资助计划(项目编号:GZC20242217)的支持。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号