[論文レビュー] An iterative method for elliptic problems with rapidly oscillating coefficients

Scott N. Armstrong, Antti Hannukainen+2 more|arXiv (Cornell University)|Mar 9, 2018

Advanced Mathematical Modeling in Engineering参考文献 33被引用数 3

ひとこと要約

本稿では、急激に変動する係数を有する楕円型PDEを解くための、反復的で多重グリッド型の新規手法を提案する。均質化を用いて、大スケールにおいて不均質な作用素をその均質化された対応物に置き換える。この手法は、ドメインサイズに依存しない明示的な収縮係数をH1ノルムで達成し、スケール分離の有無にかかわらず指数的収束を保証する。オープンソースコードを用いた数値実験により検証されている。

ABSTRACT

We introduce a new iterative method for computing solutions of elliptic equations with random rapidly oscillating coefficients. Similarly to a multigrid method, each step of the iteration involves different computations meant to address different length scales. However, we use here the homogenized equation on all scales larger than a fixed multiple of the scale of oscillation of the coefficients. While the performance of standard multigrid methods degrades rapidly under the regime of large scale separation that we consider here, we show an explicit estimate on the contraction factor of our method which is independent of the size of the domain. We also present numerical experiments which confirm the effectiveness of the method, with openly available source code.

研究の動機と目的

• 高周波数で変動する係数の存在下で標準的な多重グリッド法の性能劣化を解消すること。
• 大スケール分離（r ≫ 1）の下でも効率的である数値的手法の開発。
• ドメインサイズに依存しない収縮係数を有する厳密な収束解析の提供。
• 高対比でランダムな係数を有する問題の実用的解法の実現。

提案手法

• 前処理および後処理スムージングステップを組み合わせた二重グリッド反復スキームを導入し、修正された作用素を用いる。
• 相関長の固定倍数より大きなスケールにおいて、均質化作用素 (−∇⋅a∇) を用いる。
• λ²正則化方程式を用いて、u₀、u、および û の3つの部分問題を解くことで、新たな近似 ̂v を定義する。
• 均質化のスケールおよび誤差低減を制御するパラメータ λ ∈ (0,1] を用いる。
• 各ステップでH1ノルムにおける誤差推定を用いて近似を更新する反復的適用。
• 誤差評価のため、適応メッシュを用いた有限要素離散化と直接解法を用いる。

実験結果

リサーチクエスチョン

• RQ1 標準的手法が急激な係数の変動によって失敗する状況下でも、多重グリッド型手法が高速収束を維持できるか。
• RQ2 大スケールで不均質作用素を均質化作用素に置き換えることで、安定的かつ効率的な反復スキームが得られるか。
• RQ3 反復手法の収縮係数がドメインサイズ r に依存しないか。
• RQ4 収縮係数はパラメータ λ に対してどのようにスケーリングされ、理論的予測と一致するか。

主な発見

• 本手法は、ドメインサイズ r に依存しないH1ノルムにおける収縮係数を達成し、指数的収束を実現する。
• 大スケール r に対して、収縮係数は O(λ^{1/2}) のスケーリングを示し、定理1.1における理論的推定と整合的である。
• 数値実験により、λ = 0.4 に対しても収縮係数が0.1未満に保たれることを確認し、頑健な性能を示している。
• r ≳ 10λ⁻¹ の範囲では収縮係数が安定化し、r に依存しなくなることが確認され、事前漸近的スケーリングの妥当性が裏付けられた。
• テストケースでは約8反復で収束し、直接解との相対誤差が10⁻⁹未満に抑えられている。
• 本手法は高度に並列化可能であり、メモリおよび計算量が体積に線形にスケーリングされ、大規模なシミュレーションが可能である。