[論文レビュー] Adaptive nested cross approximation of non-local operators

Ivan Oseledets, Aleksandr Mikhalev|arXiv (Cornell University)|Sep 6, 2013

Geophysics and Gravity Measurements参考文献 21被引用数 6

ひとこと要約

本稿では、階層的マトリクス分割と最大ボリューム原理を用いて、非局所作用素の $Θ^2$-マトリクス近似を構築するための適応的ネストドクロス近似法を提案する。この手法は事前のプロキシ面の選定を回避し、マトリクスサイズに対して線形の複雑度を達成し、N体問題や境界積分方程式などの問題に対しても頑健である。

ABSTRACT

A new fast algebraic method for obtaining an $\mathcal{H}^2$-approximation of a matrix from its entries is presented. The main idea behind the method is based on the nested representation and the maximum-volume principle to select submatrices in low-rank matrices. A special iterative approach for the computation of so-called representor sets is established. The main advantage of the method is that it uses only the hierarchical partitioning of the matrix and does not require special proxy surfaces to be selected in advance. The numerical experiments for the N-body problem and for the boundary integral operator confirm the effectiveness and robustness of the approach. The complexity is linear in the matrix size and polynomial in the ranks. The algorithm is implemented as an open-source Python package that is available online.

研究の動機と目的

• 境界積分方程式やN体問題に現れる密な非局所作用素の近似のための高速で代数的な手法の開発。
• 階層的マトリクス手法で一般的に必要とされるプロキシ面の事前定義の必要性を排除すること。
• 代表的な部分行列の適応的サンプリングを通じて、マトリクスサイズに対して線形の複雑度を達成しつつ、高い精度を維持すること。
• 幾何的仮定なしに幅広い種類の積分作用素に適用可能な頑健でスケーラブルなアルゴリズムの提供。
• 再現可能性とコミュニティ利用を促進するため、オープンソースのツールとしての実装。

提案手法

• マトリクスをブロックに階層的に分割することで、適応的低ランク近似を可能にする。
• マトリクスの構造を最もよく捉える代表的部分行列を反復的に選択するために最大ボリューム原理を適用する。
• 新しい反復的アルゴリズムにより、部分ブロックのスケルトン化された低ランク構造を定義する代表セットを計算する。
• 追加の幾何的または解析的入力が不要な状態で、マトリクス要素から直接 $Θ^2$-マトリクス近似を構築する。
• ネストド表現により、部分マトリクスに対する低ランク近似を再帰的に適用することで階層的圧縮を実現する。
• 明示的なプロキシ面の構築を回避し、マトリクスの分割とボリュームに基づくサンプリングに依存する。

実験結果

リサーチクエスチョン

• RQ1 プロキシ面や幾何的仮定に依存せずに階層的マトリクス近似を構築することは可能か？
• RQ2 最大ボリューム原理を、ネストドで階層的なフレームワーク内で最適な部分行列を反復的に選択するためにどのように適応できるか？
• RQ3 提案手法の計算複雑度は、マトリクスサイズとランクに関してどのように定式化できるか？
• RQ4 N体問題や境界積分方程式のような実世界の問題において、この手法はどのように性能を発揮するか？
• RQ5 マトリクスサイズに対して線形の複雑度を達成しつつ、高い精度と頑健性を維持できるか？

主な発見

• マトリクスサイズに対して線形の複雑度を達成し、ランクに多項式的依存性を示すため、大規模計算が効率的に行える。
• 数値実験により、N体問題および境界積分作用素の両方に対して、アルゴリズムが頑健で効果的であることが示された。
• プロキシ面の事前定義の必要性が排除され、実装が簡素化され、適用範囲が広がる。
• 最大ボリューム原理の使用により、マトリクス部分構造の最適なサンプリングを通じて高精度な低ランク近似が実現される。
• オープンソースのPythonパッケージとして実装されており、研究コミュニティにおける再現可能性とアクセス可能性が向上する。
• 数値結果により、方法の安定性と効率性が多様なテストケースで確認され、病的条件や高ランク問題に対しても性能劣化がないことが示された。