[論文レビュー] Approximating spectral densities of large matrices

Lin Lin, Yousef Saad+1 more|arXiv (Cornell University)|Aug 26, 2013

Matrix Theory and Algorithms参考文献 45被引用数 6

ひとこと要約

本稿では、大規模なスパース対称行列の固有値密度を近似するための数値的手法を提示し、分析している。主な焦点は、行列-ベクトル積に基づく手法であり、特にカーネル多項式法（KPM）、ランチョスに基づく固有値密度のプローブ法、および新規のデルタ・ガウス・レジェンドル（DGL）法である。主な貢献は、収束性と精度の分析を通じて妥当性が検証された、安定的で適応的な再帰関係を用いた展開係数の計算法であり、すべての固有値を計算する必要を最小限に抑えつつ、高精度な固有値密度推定を可能にする。

ABSTRACT

In physics, it is sometimes desirable to compute the so-called \emph{Density Of States} (DOS), also known as the \emph{spectral density}, of a real symmetric matrix $A$. The spectral density can be viewed as a probability density distribution that measures the likelihood of finding eigenvalues near some point on the real line. The most straightforward way to obtain this density is to compute all eigenvalues of $A$. But this approach is generally costly and wasteful, especially for matrices of large dimension. There exists alternative methods that allow us to estimate the spectral density function at much lower cost. The major computational cost of these methods is in multiplying $A$ with a number of vectors, which makes them appealing for large-scale problems where products of the matrix $A$ with arbitrary vectors are relatively inexpensive. This paper defines the problem of estimating the spectral density carefully, and discusses how to measure the accuracy of an approximate spectral density. It then surveys a few known methods for estimating the spectral density, and proposes some new variations of existing methods. All methods are discussed from a numerical linear algebra point of view.

研究の動機と目的

• 大規模なスパース対称行列の固有値密度を、すべての固有値を計算せずに効率的に近似するための数値的手法を開発・分析すること。
• 特に量子力学や材料科学分野において顕著な計算コストがかかる完全な固有値分解を回避すること。
• 既存および新規の固有値密度推定手法を統一的な数値線形代数の視点から整理すること。
• 近似固有値密度の信頼性のある精度評価フレームワークを確立すること。
• 数値的発散を防ぎ、最適な多項式次数を自動的に決定できる、DGL法に適した安定的で適応的な再帰関係を提案すること。

提案手法

• 大規模スパース問題において行列-ベクトル積が安価であることに着目し、主に行列-ベクトル積を計算の主要演算として用いる。
• ランダムベクトルのサンプリングにより行列多項式のトレースを推定し、トレースの一致に基づくカーネル多項式法（KPM）を用いる。
• ラゲール多項式とガウスフィルタを用いたスムージングされた固有値密度の多項式展開として、デルタ・ガウス・レジェンドル（DGL）法を導入する。
• 直交多項式の恒等式を用いてDGL係数の安定的再帰関係を導出し、連続する係数が許容誤差以下に低下した時点で打ち切ることで、数値的ノイズの増幅を防ぐ。
• ランチョス法を用いて行列を部分的に対角化し、三重対角行列のリッツペアから累積状態密度（CDOS）を構築する。
• 真のCDOSと近似CDOSの符号変化を分析し、その点を基準にスプライン補間を適用することで滑らかさと精度を向上させる。

実験結果

リサーチクエスチョン

• RQ1 大規模なスパース対称行列の固有値密度を、すべての固有値を計算せずに効率的に近似する方法は何か？
• RQ2 多項式に基づく固有値密度近似の展開係数を効果的かつ安定的に計算する方法は何か？
• RQ3 異なる手法間で固有値密度推定の精度を測定・比較するための方法は何か？
• RQ4 固有値密度近似の最適な多項式次数は何か？ そして、それを適応的に決定する方法は何か？
• RQ5 ランチョスに基づく近似をどのように改善すれば、滑らかで高精度な累積状態密度が得られるか？

主な発見

• デルタ・ガウス・レジェンドル（DGL）法は、係数の減衰に伴い自動的に最適な多項式次数を決定する再帰関係を用いることで、安定的かつ高精度な固有値密度近似を実現する。
• 連続する係数が許容誤差以下に低下した段階で再帰を停止することで、DGL係数の再帰は数値的ノイズの増幅を防ぎ、安定性を確保する。
• ランチョスに基づく手法は、階段状の累積状態密度（CDOS）を生成するが、符号変化の点を基準にスプライン補間を施すことで、真のCDOSに近づけることができる。
• 真のCDOSと近似CDOSとの差は、スペクトル内に正確に 2M−1 個の符号変化を有するため、高精度な補間が可能である。
• KPMおよびDGL法は、数回のランチョスステップと同等の行列-ベクトル積回数で高い精度を達成でき、大規模問題に適している。
• 提案手法は計算的に効率的であり、完全な固有値計算が非現実的な大規模問題に適している。