[논문 리뷰] An efficient solver based on low-rank approximation and Neumann matrix series for unsteady diffusion-type partial differential equations with random coefficients

Yujun Zhu, Min Li외 2명|arXiv (Cornell University)|2026. 01. 16.

Probabilistic and Robust Engineering Design인용 수 0

한 줄 요약

본 논문은 확률 강성 행렬의 일반화된 저랭크 근사와 Neumann 행렬 급수를 결합하여 랜덤 계수를 갖는 시간 의존 확산형 SPDE를 효율적으로 풀고, 계산 비용과 메모리 사용을 줄이면서 정확도를 유지하는 LRNS 해를 제안한다.

ABSTRACT

In this paper, we develop an efficient numerical solver for unsteady diffusion-type partial differential equations with random coefficients. A major computational challenge in such problems lies in repeatedly handling large-scale linear systems arising from spatial and temporal discretizations under uncertainty. To address this issue, we propose a novel generalized low-rank matrix approximation to represent the stochastic stiffness matrices, and approximate their inverses using the Neumann matrix series expansion. This approach transforms high-dimensional matrix inversion into a sequence of low-dimensional matrix multiplications. Therefore, the solver significantly reduces the computational cost and storage requirements while maintaining high numerical accuracy. The error analysis of the proposed solver is also provided. Finally, we apply the method to two classic uncertainty quantification problems: unsteady stochastic diffusion equations and the associated distributed optimal control problems. Numerical results demonstrate the feasibility and effectiveness of the proposed solver.

연구 동기 및 목표

• 랜덤 계수를 갖는 시간 의존 확산 방정식에 대한 견고하고 효율적인 불확실성 정량화를 동기화한다.
• MC-FEM 이산화에서 발생하는 대규모 확률 선형 시스템의 계산적으로 경량화된 해를 개발한다.
• 제안된 LRNS 접근법에 대한 오차 분석을 제공하고 확률적 확산 및 확률적 최적 제어 문제에의 적용 가능성을 입증한다.

제안 방법

• 강성 행렬의 확률 교란을 RSVD를 이용한 새로운 일반화 저랭크 근사(GLRAM)으로 표현하여 prescr ibed compression ratio tau에 대한 U와 V_m을 얻는다.
• 교란 행렬들의 역행렬 근사를 잘라낸 Neumann 급수를 이용하여 근사한다: (I + A^{-1}Ã_m^*)^{-1} ≈ sum_{r=0}^R (-A^{-1}Ã_m^*)^r.
• 큰 M×L 선형 시스템을 일련의 저차원 행렬 곱과 결정해 이미 해에 대한 저랭크 보정을 수행하는 방식으로 변환한다.
• RMSRE 및 교란 행렬 N = sum_m Ã_m Ã_m^T의 스펙트럼을 고려한 오차 분석 프레임워크를 제공한다.
• RSVD 기반 LRA를 Neumann 시리즈 기반 역전에 결합하여 확장 가능한 LRNS 해를 얻는다(Algorithm 2).
• 무정변 확률 확산 방정식 및 분산 확률적 최적 제어 문제에의 적용 가능성을 시연한다.

실험 결과

연구 질문

• RQ1 Monte Carlo FEM 설정에서 시간 의존 SPDE의 해를 저랭크 표현이 어떻게 가속시키는가?
• RQ2 RSVD 기반 일반화 저랭크 근사와 교란된 시스템 행렬의 Neumann-시리즈 역전 결합의 정확도와 계산 이점은 무엇인가?
• RQ3 제안된 LRNS 접근법이 정확도를 저해하지 않으면서 랜덤 침투도 및 관련 확률 제어 문제를 가진 비정변 확산 방정식을 효과적으로 풀 수 있는가?

주요 결과

• LRNS 해는 고차원 행렬 역적을 일련의 저차원 곱셈 및 저랭크 보정으로 변환하여 비용과 저장소를 줄인다.
• RSVD 기반의 일반화 저랭크 근사는 지정된 압축 비 tau로 확률적 강성 교란을 효율적이고 정확하게 표현한다.
• Neumann-시리즈 역전은 잘라낸 항의 지수 R과 교란 크기에 따라 정확도가 개선되는 실용적인 유한 항 근사를 제공한다.
• 오차 분석은 RMSRE를 교란 행렬 N의 스펙트럼 속성과 선택된 에너지 포획 e(tau)에 연결한다.
• 이 방법은 무정변 확률 확산 방정식 및 분산 확률적 최적 제어 문제에 적용되어 타당성과 효율성을 입증한다.