[論文レビュー] A Fast Hierarchically Preconditioned Eigensolver Based On Multiresolution Matrix Decomposition

Thomas Y. Hou, De Huang+2 more|arXiv (Cornell University)|Apr 10, 2018

Electromagnetic Scattering and Analysis参考文献 11被引用数 3

ひとこと要約

本稿では、スパースな対称正定値行列の左隣接固有ペアを多数高速に計算するために、マルチスケール行列分解（MMD）を活用する高速で階層的プリコンディショナ付き固有値ソルバーを提案する。MMDをスペクトル保存型プリコンディショナを介して非定型再起動リーマン法（IRLM）と統合することにより、計算複雑性を O(m_tar·κ(A)·nnz(A)·log(1/ε)) から O(m_tar·nnz(A)·(log(1/ε)+log n)^C) に低減し、劣悪な条件数や大規模問題において顕著な性能向上を達成する。

ABSTRACT

In this paper we propose a new iterative method to hierarchically compute a relatively large number of leftmost eigenpairs of a sparse symmetric positive matrix under the multiresolution operator compression framework. We exploit the well-conditioned property of every decomposition components by integrating the multiresolution framework into the Implicitly restarted Lanczos method. We achieve this combination by proposing an extension-refinement iterative scheme, in which the intrinsic idea is to decompose the target spectrum into several segments such that the corresponding eigenproblem in each segment is well-conditioned. Theoretical analysis and numerical illustration are also reported to illustrate the efficiency and effectiveness of this algorithm.

研究の動機と目的

• スパースで対称正定値（SPD）行列の多数の左隣接固有ペアを効率的に計算する反復的アルゴリズムの開発。
• マルチスケールオペレータ圧縮フレームワークと統合することで、非定型再起動リーマン法（IRLM）の性能を向上させること。
• 共役勾配法に適したスペクトル保存型プリコンディショナの設計。このプリコンディショナは、マルチスケールレベル間で良好に条件付けられた部分問題を維持する。
• IRLMの計算複雑性を行列の条件数 κ(A) に依存させるのをやめ、n に対して多対数的依存にすることで、劣悪な条件数を持つ問題へのスケーラビリティを実現すること。
• グラフ分割や電子状態予測などの実世界応用における理論的分析と数値実験を通じて、アルゴリズムの効率性と正確性を検証すること。

提案手法

• 本手法は、行列 A の逆行列を射影作用素と剰余の和に階層的に分解するマルチスケール行列分解（MMD）を用い、再帰的なスペクトル圧縮を可能にする。
• 目的スペクトルを良好に条件付けられた部分問題に分割するための拡張・精錬反復スキームを導入し、各部分問題をプリコンディショニング付き共役勾配法（PCG）で独立して解く。
• MMD の内蔵構造を活用して、PCG に新たなスペクトル保存型プリコンディショナを構築し、各レベルで残差スペクトルが狭く良好に条件付けられたまま保たれることを保証する。
• 階層的基底関数を用いて MMD フレームワークを IRLM に統合し、スケール間でスペクトル特性が保持されるようにする。
• 局所的基底関数のための局所的部分問題は、指数的減衰特性を活用して独立的かつ効率的に解かれ、並列計算が容易になる。
• 行列逆行列の高速かつ正確な近似を可能にするために、再帰的エネルギー分解フレームワークを用いて行列逆行列を圧縮する。

実験結果

リサーチクエスチョン

• RQ1 マルチスケール行列分解を非定型再起動リーマン法に効果的に統合することで、左隣接固有ペアの計算における収束を加速できるか？
• RQ2 MMD を基盤とするスペクトル保存型プリコンディショナは、部分問題の条件数を顕著に低減し、共役勾配法の収束速度を向上させるか？
• RQ3 提案された階層的フレームワークは、劣悪な条件数を持つスパース SPD 行列に対しても、行列の条件数 κ(A) に依存しない計算複雑性を達成できるか？
• RQ4 グラフ分割や電子状態予測などの応用において、計算された固有ペアはスペクトル特性をどれほど正確に保持しているか？
• RQ5 MMD フレームワークから導かれる局所的基底関数は、固有のオペレータ構造をどれほど反映しており、並列で効率的に計算可能か？

主な発見

• 提案されたアルゴリズムにより、m_tar 個の左隣接固有ペアを計算する計算複雑性が、O(m_tar·κ(A)·nnz(A)·log(1/ε)) から O(m_tar·nnz(A)·(log(1/ε)+log n)^C) に低減され、C は m_tar、nnz(A)、κ(A) に依存しない小さな定数である。
• スペクトル保存型プリコンディショナは、リーマン過程中において残差スペクトルが狭く保たれ、各レベルでの共役勾配ソルバーの収束を顕著に加速する。
• グラフラプラシアン（例：bunny および brain データセット）に対する数値実験では、圧縮されたオペレータが元の行列とほぼ同一のグラフ分割結果をもたらすことが確認され、スペクトル忠実性が検証された。
• MMD フレームワークから導かれる局所的基底関数（例：ψ_cm、ψ_o）は、異なる構築手法に対しても類似したプロファイルを示し、内在的なオペレータ駆動型の局所化メカニズムが存在することを示唆している。
• 指数的減衰と局所的サポートのおかげで、基底関数の計算が効率的かつ容易に並列化可能であり、全体の計算コストが低減される。
• 本手法は、大規模で劣悪な条件数を持つ問題において、高い正確性とスケーラビリティを達成しており、古典的な IRLM よりも実行時間で優れている一方で、スペクトル精度を維持している。