présentation de quelques calculs liés aux edp...
TRANSCRIPT
Modele deterministeEtats stationnaires localises
Simulation d’un modele aleatoire
Presentation de quelques calculs lies aux EDPdispersives
Laurent Di Menza
Laboratoire de Mathematiques - Universite de Reims
Reunion ANR Microwave
LORIA/INRIA - Nancy - 8 decembre 2009
Laurent Di Menza Presentation de quelques calculs lies aux EDP dispersives
Modele deterministeEtats stationnaires localises
Simulation d’un modele aleatoire
1. Themes de recherche
Simulation numerique en optique non lineaire
Conditions aux limites transparentes et absorbantes pourl’equation de SchrodingerEquations de type NLS avec puissance pure : calcul de solitons,comportements symptotiquesInfluence de termes perturbatifs sur la dynamique des solutionsModeles de champs couples en milieux quadratiquesModeles d’amplificateurs parametriques optiques : approxima-tions de champ moyen
Etude numerique d’autres modeles
CosmologieModeles de fluage en chimiePlasmas relativistes avec champ magnetique
Laurent Di Menza Presentation de quelques calculs lies aux EDP dispersives
Modele deterministeEtats stationnaires localises
Simulation d’un modele aleatoire
2. Modele deterministe
Equation de Schrodinger (NLS) : modele universel idealise inter-venant en optique non lineaire, physique des plasmas, theorie desfluides, etc.
i∂ψ
∂t+ ∆ψ + |ψ|2σψ = 0
avec ψ = ψ(t, x) ∈ C, x ∈ Rd et σ > 0.
Probleme de Cauchy dans H1(Rd) :
Si σ < 2/(d − 2), alors le probleme est localement bien pose :pour ψ0 ∈ H1(Rd), ∃T > 0 et ∃ !ψ ∈ C(0, T ;H1(Rd)).
Si σ < 2/d, alors le probleme est globalement bien pose alorspour ψ0 ∈ H1(Rd), ∃ !ψ ∈ C(R+;H1(Rd)).
(Ginibre-Velo, Cazenave, Strauss, etc.)
Laurent Di Menza Presentation de quelques calculs lies aux EDP dispersives
Modele deterministeEtats stationnaires localises
Simulation d’un modele aleatoire
Differents comportements attendus
Dispersion : la solution s’etale dans l’espaceau cours du temps (meme comportement quedans le cas lineaire) : petites donnees initialesψ0 ou des petites valeurs de σ.
Etats stationnaires localises : la non-linearitecompense exactement le phenomene de dis-persion : solutions se propageant dans le mi-lieu sans changer de forme.
Focalisation : la non-linearite localise le champen un point, pour des donnees initiales ψ0 bienchoisies et pour des grandes valeurs de σ (σ ≥2/d) : explosion en temps fini.
Laurent Di Menza Presentation de quelques calculs lies aux EDP dispersives
Modele deterministeEtats stationnaires localises
Simulation d’un modele aleatoire
Manifestation de l’explosion
L’explosion se manifeste comme une transition des grandes echellesvers les petites echelles, a masse constante.
ψ0 ψ0
Cette explosion n’est pas associee a des explosions de solutionsd’equations differentielles :
i∂tψ + |ψ|2σψ = 0 =⇒ ψ(t) = ψ0 ei|ψ0|2σt, t ≥ 0.
i∂tψ + ∆ψ = 0 =⇒ ‖ψ(t)‖H1 = ‖ψ0‖H1 , t ≥ 0.
Laurent Di Menza Presentation de quelques calculs lies aux EDP dispersives
Modele deterministeEtats stationnaires localises
Simulation d’un modele aleatoire
Manifestation de l’explosion
L’explosion se manifeste comme une transition des grandes echellesvers les petites echelles, a masse constante.
ψ(t, .) ψ(t, .)
Cette explosion n’est pas associee a des explosions de solutionsd’equations differentielles :
i∂tψ + |ψ|2σψ = 0 =⇒ ψ(t) = ψ0 ei|ψ0|2σt, t ≥ 0.
i∂tψ + ∆ψ = 0 =⇒ ‖ψ(t)‖H1 = ‖ψ0‖H1 , t ≥ 0.
Laurent Di Menza Presentation de quelques calculs lies aux EDP dispersives
Modele deterministeEtats stationnaires localises
Simulation d’un modele aleatoire
Objectifs vises
Solutions dispersives :
Mise en œuvre de conditions aux limites respectant la disper-sion libre dans un domaine borne de l’espace pour le problemelineaire.
Etats stationnaires :
Mise en œuvre d’une methode pour calculer des etats station-naires radiaux localises en espace, pouvant s’annuler k fois.
Etude de l’asymptotique a grand nombre de nœuds k.
Solutions explosives :
Simulation d’un modele d’optique non lineaire aleatoire.
Comprendre l’influence du terme de bruit sur la dynamique dessolutions explosives.
Laurent Di Menza Presentation de quelques calculs lies aux EDP dispersives
Modele deterministeEtats stationnaires localises
Simulation d’un modele aleatoire
3. Etats stationnaires localises
On pose ψ(t, x) = eiωtu(x), ou u profil spatial suppose radial satis-fait l’equation differentielle d’ordre 2 (non integrable !)
u′′(r) +d− 1
ru′(r) − ωu(r) + |u(r)|2σu(r) = 0, r > 0
u(0) = β, u′(0) = 0.
Tout le probleme consiste alors a determiner la valeur β de tellesorte que la solution correspondante s’annule k fois et tende vers 0a l’infini : methode de tir.
Permet d’obtenir par un algorithme de dichotomie pour d ≥ 2une suite d’etats uk (appeles etats excites). Numeriquement, celanecessite seulement un solveur de systemes differentiels.
Laurent Di Menza Presentation de quelques calculs lies aux EDP dispersives
Modele deterministeEtats stationnaires localises
Simulation d’un modele aleatoire
Structure des solutions de l’equation differentielle
0 1 2 3 4 5 6 7 8 9 10−3
−2
−1
0
1
2
3
4
5
r
0 annulation
Le nombre de zeros de la solution augmente avec β
Laurent Di Menza Presentation de quelques calculs lies aux EDP dispersives
Modele deterministeEtats stationnaires localises
Simulation d’un modele aleatoire
Structure des solutions de l’equation differentielle
0 1 2 3 4 5 6 7 8 9 10−3
−2
−1
0
1
2
3
4
5
r
1 annulation
0 annulation
Le nombre de zeros de la solution augmente avec β
Laurent Di Menza Presentation de quelques calculs lies aux EDP dispersives
Modele deterministeEtats stationnaires localises
Simulation d’un modele aleatoire
Structure des solutions de l’equation differentielle
0 1 2 3 4 5 6 7 8 9 10−3
−2
−1
0
1
2
3
4
5
r
1 annulation
0 annulation
2 annulations
Le nombre de zeros de la solution augmente avec β
Laurent Di Menza Presentation de quelques calculs lies aux EDP dispersives
Modele deterministeEtats stationnaires localises
Simulation d’un modele aleatoire
Structure des solutions de l’equation differentielle
0 1 2 3 4 5 6 7 8 9 10−3
−2
−1
0
1
2
3
4
5
r
1 annulation
0 annulation
2 annulations
3 annulations
Le nombre de zeros de la solution augmente avec β
Laurent Di Menza Presentation de quelques calculs lies aux EDP dispersives
Modele deterministeEtats stationnaires localises
Simulation d’un modele aleatoire
Exemple dans le cas k = 0, d = 2, σ = 1
0 2 4 6 8 10 12 14 16 18 20−2
−1
0
1
2
3
4
r
β = 4 : Trop grand !
Laurent Di Menza Presentation de quelques calculs lies aux EDP dispersives
Modele deterministeEtats stationnaires localises
Simulation d’un modele aleatoire
Exemple dans le cas k = 0, d = 2, σ = 1
0 2 4 6 8 10 12 14 16 18 20−2
−1
0
1
2
3
4
r
β = 2 : Trop petit !
Laurent Di Menza Presentation de quelques calculs lies aux EDP dispersives
Modele deterministeEtats stationnaires localises
Simulation d’un modele aleatoire
Exemple dans le cas k = 0, d = 2, σ = 1
0 2 4 6 8 10 12 14 16 18 20−2
−1
0
1
2
3
4
r
β = 2.21 : Trop grand !
Laurent Di Menza Presentation de quelques calculs lies aux EDP dispersives
Modele deterministeEtats stationnaires localises
Simulation d’un modele aleatoire
Exemple dans le cas k = 0, d = 2, σ = 1
0 2 4 6 8 10 12 14 16 18 20−2
−1
0
1
2
3
4
r
β = 2.20617 : Trop petit !
Laurent Di Menza Presentation de quelques calculs lies aux EDP dispersives
Modele deterministeEtats stationnaires localises
Simulation d’un modele aleatoire
Exemple dans le cas k = 0, d = 2, σ = 1
0 2 4 6 8 10 12 14 16 18 20−2
−1
0
1
2
3
4
r
β = 2.20620273691129 : Correct sur [0, 20].
Laurent Di Menza Presentation de quelques calculs lies aux EDP dispersives
Modele deterministeEtats stationnaires localises
Simulation d’un modele aleatoire
Illustration en dimension 2
Determination du profil de uk en fonction de r pour le cas cubiquebidimensionnel α = 1, σ = 1, ω = 1 (solutions exponentiellementdecroissantes vers zero).
0 5 10 15−2
−1
0
1
2
3
4
5
r
0 node1 node2 nodes
Profil de uk, k = 0, 1, 2.
0 5 10 15−15
−10
−5
0
5
r
0 node1 node2 nodes
Profil de log|uk|, k = 0, 1, 2.
Laurent Di Menza Presentation de quelques calculs lies aux EDP dispersives
Modele deterministeEtats stationnaires localises
Simulation d’un modele aleatoire
Asymptotiques : conjectures numeriques
Pour σ < 2/(d − 2) := σ∗, d ≥ 2,
‖uk‖L∞ ∼ k1+σ∗/2σ∗
−σ = kd−1
2+σ(2−d) , k → ∞.
Pour σ > 0, d = 2, ω = 1 et α = 1,
‖Uk,m‖L∞ ∼ k1+mσ
2 , k → ∞.
Pour −1/2 < σ < 0, d ≥ 2, ω = −1 et α = −1,
‖uk‖L∞ ∼ kd−12 , k → ∞.
Pour d ≥ 2, ω = 1 et α = 1, a k fixe
‖uk‖L∞ ∼ (σ∗ − σ)−( 12+k), σ → σ∗.
Laurent Di Menza Presentation de quelques calculs lies aux EDP dispersives
Modele deterministeEtats stationnaires localises
Simulation d’un modele aleatoire
Illustration pour l’asymptotique de ‖uk‖L∞ a k ≫ 1
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 20
2
4
6
8
10
12
14
16
18
σ
Theoretical, d = 3Numerical, d = 3Theoretical, d = 4Numerical, d = 4Theoretical, d = 5Numerical, d = 5
Comparaison entre taux asymptotique numerique et le taux theorique
pressenti γ(d, σ) = 1+σ∗/2
σ∗−σ , σ ∈ [0, σ∗[, d = 3, 4, 5.
Laurent Di Menza Presentation de quelques calculs lies aux EDP dispersives
Modele deterministeEtats stationnaires localises
Simulation d’un modele aleatoire
Hierarchie des calculs
Pour un calcul d’etat localise, il faut resoudre une succession desystemes differentiels non lineaires, en ajustant a chaque fois lavaleur a l’origine de la solution.
Pour avoir la valeur de γ(d, σ) a d et σ donnes, il faut calculerune succession d’etats stationnaires pour des k de plus en plusgrands.
Pour intuiter une expression de loi puissance en fonction de det de σ, il faut faire les calculs d’exposants en faisant varierindependamment les parametres d et σ.
=⇒ Gros calculs (plusieurs millions de resolutions independantesde systemes differentiels non lineaires), mais tres favorables a laparallelisation (et pas d’echange entre processeurs, car les calculssont independants !).
Laurent Di Menza Presentation de quelques calculs lies aux EDP dispersives
Modele deterministeEtats stationnaires localises
Simulation d’un modele aleatoire
4. Un modele aleatoire
Equation (NLS) deterministe = modele idealise dans lequel destermes ont etes negliges. On considere ici le nouveau modele (EDPstochastique) :
i∂u
∂t+ ∆u+ |u|2σu = ε g(u) (ε≪ 1 amplitude).
Le terme g aleatoire correspond soit a des termes negliges dans lemodele de depart (developpement de l’indice en fonction de l’inten-site, tenseur de susceptibilite du milieu non lineaire) ou des inho-mogeneites du milieu (densite non reguliere).
Choix de modele : g(u) ∼ χ u : bruit multiplicatif reel faisantintervenir le potentiel χ de type bruit blanc en espace et en temps(de longueur de correlation en temps et en espace nulle).
Laurent Di Menza Presentation de quelques calculs lies aux EDP dispersives
Modele deterministeEtats stationnaires localises
Simulation d’un modele aleatoire
Definition du terme de bruit :
(Ω,F ,P) espace probabilise, constitue de l’espace Ω des aleas, d’unefiltration F et d’une probabilite P.
Soit (W (t))t≥0 un processus de Wiener cylindrique a valeurs reellessur L2(D) : pour (ek)k∈N base orthonormee de L2(D), alors lafamille βk(t) := (W (t), ek)L2(D) permet de definir une famille demouvements browniens independants.
On a alors W (t, x, ω) =
∞∑
k=0
βk(t, ω)ek(x), x ∈ D, ω ∈ Ω.
On pose
χ :=dW
dt(t, x, ω) =
∞∑
k=0
dβkdt
(t, ω)ek(x), x ∈ D, ω ∈ Ω.
Terme de bruit tres irregulier a la fois en espace et en temps : ca-racterise par une longueur de correlation nulle ! !
Laurent Di Menza Presentation de quelques calculs lies aux EDP dispersives
Modele deterministeEtats stationnaires localises
Simulation d’un modele aleatoire
Objectif de l’etude :
Comprendre l’influence du terme de bruit sur la dynamique dessolutions stationnaires et explosives bien connues dans le casdeterministe (donc en l’absence de bruit).
Difficultes numeriques :
Discretisation du terme de bruit tres irregulier.
ψ = ψ(t, x) (deterministe) 7−→ u = u(t, x, ω) (stochastique)
A partir de la donnee initiale u0, calcul d’une infinite de trajec-toires pour une infinite de valeurs de ω.
Moyenne sur toutes les trajectoires : esperance de la solution
Eu(t, x) =
∫
Ωu(t, x, ω) dP.
Laurent Di Menza Presentation de quelques calculs lies aux EDP dispersives
Modele deterministeEtats stationnaires localises
Simulation d’un modele aleatoire
Schema numerique (en dimension 1 d’espace)
Calcul de la solution unj = u(tn, xj) en les points discrets tn = n δtet xj = jh d’un maillage espace-temps, par la discretisation
iun+1
j − unj
δt+ (Lun+1/2)j + f
n+1/2
j un+1/2
j =1√hδt
χn+1/2
j un+1/2
j
avec L operateur de discretisation de ∂2x,
fn+1/2j =
1
σ + 1
|un+1j |2(σ+1) − |unj |2(σ+1)
|un+1j |2 − |unj |2
.
et χnj nombres aleatoires suivant une loi normale centree reduite.
(schema semi-implicite de Crank-Nicolson preservant la masse etl’energie des solutions : necessite a chaque etape de resoudre unsysteme non lineaire sur toute la grille d’espace !)
Laurent Di Menza Presentation de quelques calculs lies aux EDP dispersives
Modele deterministeEtats stationnaires localises
Simulation d’un modele aleatoire
Un exemple de calcul : propagation d’un etat stationnaire
−10−5
05
10
0
2
4
6
8
100
0.5
1
1.5
x
|u(t,x)| = f(x,t)
t −10−5
05
10
0
2
4
6
8
100
0.5
1
1.5
x
|u(t,x)| = f(x,t)
t
ε = 0.01 ε = 0.05
−10−5
05
10
0
2
4
6
8
100
0.2
0.4
0.6
0.8
1
1.2
1.4
1.6
x
|u(t,x)| = f(x,t)
t −10 −8 −6 −4 −2 0 2 4 6 8 100
1
2
3
4
5
6
7
8
9
10
x
t
Contour of |u(t,x)|
ε = 0.2 isovaleurs espace-temps
Laurent Di Menza Presentation de quelques calculs lies aux EDP dispersives
Modele deterministeEtats stationnaires localises
Simulation d’un modele aleatoire
Vision trajectorielle ou moyennee
Propagation de l’etat stationnaire (connu analytiquement en dimen-sion 1) : persistance du profil et attenuation de l’amplitude (“diffu-sion du soliton”).
−10−5
05
10
0
2
4
6
8
100
0.5
1
1.5
x
|u(t,x)| = f(x,t)
t
|u| = |u(t, x, ω)| pour une trajec-
toire ω0.
−10−5
05
10
0
2
4
6
8
100
0.5
1
1.5
x
|umoy
(t,x)|=f(x,t)
t
|Eu| = |Eu(t, x)| dans le plan
(x, t), (1000 trajectoires).
Laurent Di Menza Presentation de quelques calculs lies aux EDP dispersives
Modele deterministeEtats stationnaires localises
Simulation d’un modele aleatoire
Influence du bruit sur l’explosion
−10−5
05
10
00.01
0.020.03
0.040.05
0.06
0
0.5
1
1.5
2
2.5
3
3.5
x
|u(t,x)| = f(x,t)
t −10−5
05
10
00.01
0.020.03
0.040.05
0.06
0
0.5
1
1.5
2
2.5
3
3.5
x
|u(t,x)| = f(x,t)
t
ε = 0 Trajectoire 1
−10−5
05
10
00.01
0.020.03
0.040.05
0.06
0
0.5
1
1.5
2
2.5
3
3.5
x
|u(t,x)| = f(x,t)
t
0.00 0.02 0.04 0.06 0.08t
1.5
2.0
2.5
3.0
3.5
Infin
ite n
orm
of u
(t)Deterministic solutionStochastic solution #1Stochastic solution #2
Trajectoire 2 Trace des amplitudes
Laurent Di Menza Presentation de quelques calculs lies aux EDP dispersives
Modele deterministeEtats stationnaires localises
Simulation d’un modele aleatoire
Comment prendre en compte les petites echelles ?
Tests sur une grille uniforme : l’effet irregulier du bruit ne se ma-nifeste pas lorsque la solution “a envie d’exploser” ⇒ mise enœuvre d’une procedure de raffinement adaptatif (respect des petitesechelles du bruit).
0.0 0.2 0.4 0.6 0.8 1.0t
1.0
2.0
3.0
4.0||u
(t)|
|
Coarse meshLocal refinementThinner grid (dt/2,dx/2)
Effet du raffinement
Laurent Di Menza Presentation de quelques calculs lies aux EDP dispersives
Modele deterministeEtats stationnaires localises
Simulation d’un modele aleatoire
Observations numeriques
Suppression de l’explosion dans tous les cas, independammentde la trajectoire calculee (conforme a des constatationsexperimentales).
Diffusion du soliton : la quantite Eu decroıt au cours du temps,pour toutes les valeurs de σ.
-10.0 -5.0 0.0 5.0 10.0x
0.0
0.5
1.0
1.5
|u(2
,x)|
epsilon = 0epsilon = 0.05epsilon = 0.1epsilon = 0.2
σ = 2
.
-10.0 -5.0 0.0 5.0 10.0x
0.0
0.5
1.0
1.5
|u(0
.3,x
)|
epsilon = 0epsilon = 0.1epsilon = 0.2epsilon = 0.3
σ = 3
.
Laurent Di Menza Presentation de quelques calculs lies aux EDP dispersives
Modele deterministeEtats stationnaires localises
Simulation d’un modele aleatoire
Hierarchie des calculs
Pour une simulation du bruit : il faut resoudre des systemesnon lineaires sur une grille en espace avec un algorithme deraffinement de maillage (lie au schema numerique).
Pour une donnee initiale, il faut plusieurs milliers de trajectoirespour avoir une idee raisonnable du comportement de la solution(lie au caractere aleatoire).
Generalement, calculs pour plusieurs types de non-linearites,donc pour beaucoup de valeurs de σ (lie au modele).
=⇒ Gros calculs (plusieurs millions de calculs “elementaires” partrajectoire), mais la encore tres propices a la parallelisation (calculsindependants moyennant un bon generateur de nombres aleatoires).
Laurent Di Menza Presentation de quelques calculs lies aux EDP dispersives