[論文レビュー] A non grid-based interpolation scheme for the eigenvalue problem

Kai Lin, Wei‐Liang Qian|arXiv (Cornell University)|Sep 8, 2016

Advanced Numerical Analysis Techniques参考文献 2被引用数 12

ひとこと要約

本稿では、局所的な散乱データとテイラー級数展開を用いたグリッド非依存の補間スキームを提案する。クエリ点における関数値および導関数の近似に、周囲の点におけるテイラー展開から導かれる線形方程式系を解くことで、適応的精度制御が可能となり、量子力学的ポテンシャルに対する固有値問題において高い精度を達成する。正確な解との比較によってその有効性が検証されている。

ABSTRACT

We propose a non grid-based interpolation scheme based on the information from the data collected from the vicinity of the query point. As a non-grid-based interpolation, the data points can be distributed randomly in a small region, and the interpolation is constructed so that it naturally makes use of the information not only on the function value but also on its higher order derivatives. The main advantage of the present approach is that the precision of the interpolation can be adjusted in accordance to the quantity of the data, in other words, a balance between the precision and the computational cost can be achieved by properly choosing the size of the neighborhood where the data points are collected. The method is applicable to univariate as well as multivariate functions. We show that the proposed scheme is efficient and precise. The present approach is then employed to study the eigenvalue problem.

研究の動機と目的

• 規則的なグリッドデータ分布を必要としない柔軟な補間手法の開発。
• 近傍データ点の数を調整することで、補間における適応的精度制御を可能にする。
• この補間スキームを用いて、量子力学における微分方程式および固有値問題を解くこと。
• 標準的なソフトウェアとの数値比較を通じて、本手法の効率性と正確性を示すこと。
• 一般相対性理論における準正規モードなど、散乱データや不規則なサンプリングが一般的な分野への応用を検討すること。

提案手法

• 関数をクエリ点の周りでテイラー級数展開し、近傍の散乱データ点における関数値と導関数を関連付ける。
• 線形方程式系 F = MD を定式化する。ここで F は N 個の散乱点における関数値を含み、D はクエリ点における関数およびその導関数を含み、M は相対座標差から導かれる係数を含む。
• 未知のベクトル D は行列の逆行列を用いて解かれ、これにより局所的なデータのみを用いてクエリ点での補間が可能になる。
• 本スキームは単変数および多変数関数に適用可能であり、テイラー展開における項の数によって近似の次数が制御される。
• 本手法は自然に高次導関数情報を組み込み、構造化されたグリッドを必要とせずに正確性を向上させる。
• 計算コストと精度のバランスをとるために、近傍領域のサイズおよびデータ点の数を調整可能である。

実験結果

リサーチクエスチョン

• RQ1 グリッド非依存の補間手法は、クエリ位置の近傍における散乱データ点のみを用いても高い正確性を達成できるか？
• RQ2 補間の精度は、近傍データ点の数にどのように依存するか？
• RQ3 この補間スキームは、量子力学における微分方程式および固有値問題に効果的に適用可能か？
• RQ4 MATLAB や Mathematica などの標準的数値ソルバーと比較して、本手法の正確性および効率性はどの程度か？
• RQ5 不規則またはスパarsなデータサンプリングが一般的な状況において、本手法の実用的利点は何か？

主な発見

• ポシュル＝テラー型ポテンシャルでは、最初の3つの固有値について相対誤差が1%未満に抑えられ、(k,λ)=(10,10) の場合、最大で0.5%のずれを示した。
• 三角関数型ポテンシャルでは、V_a=1000 の場合、誤差が0.05%未満に抑えられ、固有値 E_1 および E_2 は正確な値と4桁の有効数字まで一致した。
• 本手法は一貫した収束性を示し、データ点の数を増やすにつれて固有値推定値が正確な値に近づいた。
• V_a=1000 の場合、計算された E_1=104.402 は正確な E_1=104.403 と0.001のずれで、非常に高い精度を示した。
• V_a=10 の三角関数型ポテンシャルでは、E_1 がわずかに過大評価（15.9083 vs. 16.0275）されたが、誤差は0.8%未満であった。
• 高エネルギーのポテンシャルに対しても本手法は良好な性能を維持し、V_a=1000 の場合、E_4 は正確な値からたった0.1%のずれにとどまった。