[論文レビュー] The Dynamical Functional Particle Method

Mårten Gulliksson, Sverker Edvardsson+1 more|arXiv (Cornell University)|Mar 21, 2013

Numerical methods for differential equations参考文献 6被引用数 4

ひとこと要約

Dynamical Functional Particle Method (DFPM) は、線形および非線形方程式を、元の問題の解に対応する定常解を示す減衰ダイナミカルシステムとして定式化する。ハミルトニアン形式におけるシンプレクティック積分法を活用することで、DFPM は指数的収束、スパース行列処理、および高いロバスト性を達成する。2次元シュレーディンガー固有値問題を用いた実験で、ARPACK や LAPACK、共役勾配法を上回る性能を示し、計算複雑度は $\mathcal{O}(N^{(d+1)/d})$ である。これは、特別な処理を要しない大規模スパース固有値問題や非線形系に対して特に効率的である。

ABSTRACT

We present a new algorithm which is named the Dynamical Functional Particle Method, DFPM. It is based on the idea of formulating a finite dimensional damped dynamical system whose stationary points are the solution to the original equations. The resulting Hamiltonian dynamical system makes it possible to apply efficient symplectic integrators. Other attractive properties of DFPM are that it has an exponential convergence rate, automatically includes a sparse formulation and in many cases can solve nonlinear problems without any special treatment. We study the convergence and convergence rate of DFPM. It is shown that for the discretized symmetric eigenvalue problems the computational complexity is given by $\mathcal{O}(N^{(d+1)/{d}})$, where \emph{d} is the dimension of the problem and \emph{N} is the vector size. An illustrative example of this is made for the 2-dimensional Schrödinger equation. Comparisons are made with the standard numerical libraries ARPACK and LAPACK. The conjugated gradient method and shifted power method are tested as well. It is concluded that DFPM is both versatile and efficient.

研究の動機と目的

• 線形および非線形方程式系（固有値問題を含む）を、減衰ダイナミカルシステムの枠組みに埋め込むことで、新規で汎用性の高い数値解法を開発すること。
• ハミルトニアン形式におけるシンプレクティック積分法を活用し、数値的安定性と長時間にわたる高精度な統合を保証すること。
• 非線形問題に対して明示的な解法を必要とせず、指数的収束速度とスパース行列形式を達成すること。
• 特に、CG や ARPACK が収束性やプリコンディショニングの面で困難を抱えるような大規模スパース問題において、ロバスト性と効率性を実証すること。
• 非線形系に複数の解が存在する場合の、DFPM のグローバル収束特性を、リャプノフ関数を用いて探求すること。

提案手法

• 元の式 $\mathcal{F}(v) = 0$ を、解の離散近似 $u_i$ を用いた2階の減衰ODE系 $\mu_i \ddot{u}_i + \eta_i \dot{u}_i = F_i(u_1, \dots, u_n)$ として定式化する。
• 有限差分法などの手法を用いて連続問題を離散化し、質量パラメータ $\mu_i$ と減衰パラメータ $\eta_i$ を持つ有限次元ODE系に変換する。
• 特にシンプレクティックEuler法を含むシンプレクティック積分法を用いてODE系を解き、ハミルトニアン構造を保存し、長期的な安定性を確保する。
• 時間 $t$ が $t_1$ に近づく際の定常解 $\lim_{t \to t_1} u_i(t) = v_i$ への収束をモニタリングし、人工時間の経過に伴い解が自然に出現する。
• ODE更新の局所的性質に起因し、特に線形系および固有値問題において、スパース形式を自然にサポートする。
• 最大安定時間ステップは $\triangle t_{\text{max}} = \mathcal{O}(N^{-1/d})$ として導出され、これが統合ステップ数および全体の複雑度を規定する。

実験結果

リサーチクエスチョン

• RQ1 減衰ダイナミカルシステムの定式化は、固有値問題および非線形系に対して指数的収束を達成できるか？
• RQ2 DFPM の計算複雑度は、問題サイズ $N$ と次元 $d$ に対してどのようにスケーリングするか。特にスパースで大規模な問題においては？
• RQ3 シンプレクティック積分法は、元の式から導出されたODE系を解く際、安定性と効率性を確保するために果たす役割は何か？
• RQ4 ARPACK や LAPACK、共役勾配法といった標準ライブラリと比較して、DFPM のパフォーマンスとロバスト性はどのように異なるか？
• RQ5 DFPM は、非線形問題を解くにあたり、明示的な非線形ソルバーや問題固有のプリコンディショニングを必要としないか？

主な発見

• DFPM は、共役勾配法のような多項式収束と比較して顕著な利点を示す指数的収束速度を達成する。
• 離散化された対称固有値問題に対するDFPMの計算複雑度は $\mathcal{O}(N^{(d+1)/d})$ であり、2次元シュレーディンガー問題では $d=2$ であるため、$\mathcal{O}(N^{3/2})$ の複雑度となる。
• ベンチマークテストでは、2次元シュレーディンガー問題において、DFPM はDamped Arnoldi Conjugate Gradient (DACG) 法に比べて約40％効率的であった。
• DFPM はDACGよりもロバストである。DACGはシフトパラメータの選択に敏感であり、すべての固有値が正であっても小さなシフト値では発散する可能性がある。
• DFPM は正負の固有値が混在する問題を自然に処理でき、DACGは最低固有値の事前知識が必要となるため、適切なシフト値を設定する必要がある。
• 非線形問題に対しても、同じアルゴリズム的構造を維持でき、専用のソルバーや再定式化を必要としない。