[논문 리뷰] Fast eigenpairs computation with operator adapted wavelets and hierarchical subspace correction

Hehu Xie, Lei Zhang외 1명|arXiv (Cornell University)|2018. 06. 02.

Advanced Numerical Methods in Computational Mathematics참고 문헌 50인용 수 3

한 줄 요약

이 논문은 다중스케일 타원형 PDE의 고유쌍을 빠르고 안정적으로 계산하기 위한 방법을 제시한다. 이는 운영자에 적응한 웨이브릿(gamblets)과 계층적 하위공간 보정을 조합하여 구현되며, gamblets를 통해 안정적인 다중스케일 분해를 만들어내어 다중격자 반복을 효율적으로 수행함으로써, LOBPCG와 같은 고유값 해법의 수렴 속도를 크게 향상시키면서도 극도로 스케일 분리가 심한 문제에서도 높은 정확도를 유지한다. 이 방법은 근사 선형 복잡도를 달성한다.

ABSTRACT

We present a method for the fast computation of the eigenpairs of a bijective positive symmetric linear operator $\mathcal{L}$. The method is based on a combination of operator adapted wavelets (gamblets) with hierarchical subspace correction.First, gamblets provide a raw but fast approximation of the eigensubspaces of $\mathcal{L}$ by block-diagonalizing $\mathcal{L}$ into sparse and well-conditioned blocks. Next, the hierarchical subspace correction method, computes the eigenpairs associated with the Galerkin restriction of $\mathcal{L}$ to a coarse (low dimensional) gamblet subspace, and then, corrects those eigenpairs by solving a hierarchy of linear problems in the finer gamblet subspaces (from coarse to fine, using multigrid iteration). The proposed algorithm is robust for the presence of multiple (a continuum of) scales and is shown to be of near-linear complexity when $\mathcal{L}$ is an (arbitrary local, e.g.~differential) operator mapping $\mathcal{H}^s_0(Ω)$ to $\mathcal{H}^{-s}(Ω)$ (e.g.~an elliptic PDE with rough coefficients).

연구 동기 및 목표

• 고유값 해법이 스케일 결합으로 인해 어려움을 겪는, 극도로 진동하거나 거친 계수를 가진 타원형 PDE의 고유쌍을 효율적으로 계산하는 데 도전한다.
• 다중스케일 환경에서 다수의 수준 보정 방법이 느린 수렴을 보이는 문제를 극복하기 위해, 안정적이고 잘 조절된 다중스케일 분해를 가능하게 하는 gamblets를 활용한다.
• 연산자가 비분리 다중스케일을 가질 경우에도 $σ$-정규성 공간에서 고유값 문제에 대해 근사 선형 계산 복잡도를 달성하는 방법을 개발한다.
• 최신 고유값 해법인 LOBPCG 및 다수준 보정 기반 방법의 성능을 향상시키기 위한 전치 프레임워크를 제공한다.

제안 방법

• 이 방법은 스케일 수직성, 잘 조절된 분해, 공간 국소화를 만족하는 운영자에 적응한 웨이브릿인 gamblets를 사용하여 연산자 $σ$의 계층적 다중스케일 기반을 구성한다.
• 먼저 거친 gamblet 하위공간에서 고유값 문제를 풀고, 이후 다중격자 반복을 통해 더 세밀한 하위공간에서 해를 반복적으로 보정함으로써 계층적 하위공간 보정을 적용한다.
• 고유값 문제를 거친 gamblet 하위공간에 대한 $σ$의 갈레르킨 프로젝션으로 제한하고, 보다 세밀한 하위공간에서의 다중격자 가속 선형 해법을 통해 보정을 계산한다.
• 내부 선형 해법의 빠르고 안정적인 수렴을 확보하기 위해, gamblets와 다중격자 반복을 통합한다. 이는 고유값 문제 해법에 매우 중요하다.
• 다중스케일 희박성과 조건 수 향상을 통해, LOBPCG에 대한 효율적인 전치를 가능하게 하며, 고품질의 초기 근사값을 제공한다.
• 연산자가 거친 계수를 가질 경우에도 $σ$가 $σ^{s}_{0}(\Omega)$에서 $σ^{-s}(\Omega)$로 사상하는 조건을 만족할 때, 근사 선형 복잡도를 유지하도록 설계되어 있다.

실험 결과

연구 질문

• RQ1 gambles를 사용하여 다중스케일 분해를 안정적으로 구성하고, 다중스케일 연산자에 대해 고유쌍 계산을 신속하고 안정적으로 수행할 수 있는가?
• RQ2 gambles 기반 다중격자와 계층적 하위공간 보정을 조합하면 다중스케일 고유값 문제 해결에 대해 근사 선형 복잡도를 달성할 수 있는가?
• RQ3 거친 계수를 가진 문제에서, gambles 기반 방법은 LOBPCG와 같은 최신 고유값 해법에 비해 수렴 속도와 정확도 측면에서 어떻게 비교되는가?
• RQ4 gambles 분해는 LOBPCG와 같은 반복 고유값 해법에 효과적인 전치로 작용할 수 있으며, 수렴을 어떻게 향상시키는가?
• RQ5 Anderson 국소화 문제와 같은 도전적인 문제에서, 다수준 보정과 LOBPCG를 조합한 하이브리드 방법의 성능은 어떠한가?

주요 결과

• gambles 기반 다수준 보정 방법은 적응형 정지 기준 없이도 SPE10 문제의 첫 12개 고유값에 대해 $10^{-14}$의 정확도를 달성하여 매우 높은 안정성을 입증하였다.
• gambles 전치를 적용한 LOBPCG는 ILU나 기하학적 다중격자와 같은 표준 전치 기법보다 외부 반복 횟수가 적어 더 빠른 수렴을 보였다.
• ε = 0.01인 Anderson 국소화 문제에 대해, 하이브리드 방법—gambles 기반 다수준 보정을 통해 LOBPCG를 초기화—는 매우 빠른 수렴과 높은 정확도를 달성하였다.
• 연산자가 연속적인 다수의 스케일을 가질 경우에도, 거친 계수를 가진 타원형 PDE에 대해 근사 선형 계산 복잡도를 보였다.
• 수치 결과는 gambles 기반 접근법이 ILU, 기하학적 다중격자와 같은 표준 전치 기법보다 수렴 속도와 안정성 측면에서 뛰어나다는 것을 보여주었다.
• gambles와 계층적 하위공간 보정의 조합은 고대비 및 다중스케일 문제를 포함한 다양한 시험 케이스에서 고유쌍을 신속하고 안정적이며 정확하게 계산할 수 있도록 하였다.