[논문 리뷰] Multi-level higher order QMC Galerkin discretization for affine parametric operator equations

Josef Dick, Frances Y. Kuo외 2명|arXiv (Cornell University)|2014. 06. 17.

Mathematical Approximation and Integration참고 문헌 18인용 수 5

한 줄 요약

이 논문은 무작위 입력을 가진 애핀 매개변수 연산자 방정식을 위한 다중 수준 고차수 Quasi-Monte Carlo (QMC) 갈레르킨 이산화 방법을 제안한다. 이는 상호 뒤섞인 다항식 레이어 규칙과 페트로프-갈레르킨 유한요소 방법을 결합한 것으로, 타원형 및 방정식형 PDE에 대해 최적의 수렴 속도 $Ó(\varepsilon^{-3/2})$ 를 달성하며, 매개변수 연산자와 카르누엔-로플레르 고유함수에 대한 적절한 정규성 조건 하에서 단일 수준 대비 우수한 성능을 보인다.

ABSTRACT

We develop a convergence analysis of a multi-level algorithm combining higher order quasi-Monte Carlo (QMC) quadratures with general Petrov-Galerkin discretizations of countably affine parametric operator equations of elliptic and parabolic type, extending both the multi-level first order analysis in [\emph{F.Y.~Kuo, Ch.~Schwab, and I.H.~Sloan, Multi-level quasi-Monte Carlo finite element methods for a class of elliptic partial differential equations with random coefficient} (in review)] and the single level higher order analysis in [\emph{J.~Dick, F.Y.~Kuo, Q.T.~Le~Gia, D.~Nuyens, and Ch.~Schwab, Higher order QMC Galerkin discretization for parametric operator equations} (in review)]. We cover, in particular, both definite as well as indefinite, strongly elliptic systems of partial differential equations (PDEs) in non-smooth domains, and discuss in detail the impact of higher order derivatives of {\KL} eigenfunctions in the parametrization of random PDE inputs on the convergence results. Based on our \emph{a-priori} error bounds, concrete choices of algorithm parameters are proposed in order to achieve a prescribed accuracy under minimal computational work. Problem classes and sufficient conditions on data are identified where multi-level higher order QMC Petrov-Galerkin algorithms outperform the corresponding single level versions of these algorithms. Numerical experiments confirm the theoretical results.

연구 동기 및 목표

• 무작위 입력을 가진 매개변수 연산자 방정식을 해결하기 위한 다중 수준 고차수 QMC 알고리즘을 개발한다.
• 기존의 단일 수준 고차수 QMC 방법을 다중 수준 프레임워크로 확장하여 계산 효율성을 향상시킨다.
• 비정규 영역 내에서 정의된 및 비정의적인 강력한 타원형 시스템에 대해 수렴 속도와 작업 복잡도를 분석한다.
• 최적의 수렴을 보장하기 위해 매개변수 연산자와 카르누엔-로플레르 고유함수에 필요한 충분한 조건을 규명한다.
• 사전 오차 한계와 알고리즘 파라미터 설정을 제공하여 최소한의 계산 비용으로 목표 정확도를 달성한다.

제안 방법

• 무한차원 적분을 위한 다중 수준 페트로프-갈레르킨 유한요소 이산화와 고차수 Quasi-Monte Carlo 적분을 결합한다.
• 매개변수 연산자 계수의 감쇠 특성에서 유도된 SPOD 가중치를 가진 상호 뒤섞인 다항식 레이어 규칙을 사용한다.
• 수준 $\ell = 0, \dots, L$ 에서 $h_\ell = 2^{-(\ell+1)}$ 와 $s_\ell = \min(2^{4\ell}, 2^L)$ 이 되는 계층적 메쉬 정밀화 전략을 적용한다.
• 기저 $b=2$ 와 워싱 상수 $C=1.0$ 를 사용한 빠른 CBC 생성 벡터 방법을 적용하며, 고유함수 정규성에 기반한 문제 특화 가중치 $\beta_{j}$ 를 사용한다.
• 스토케스틱(고차수 QMC) 및 공간적(유한요소) 성분으로 분해되는 사전 오차 한계를 유도하여 최적의 파라미터 선택이 가능하도록 한다.
• 정확도 검증을 위해 수준 $L=9$ 에서 $s=1024$ 와 $N=2^{20}$ 점을 사용한 기준 해를 사용하여 수치적으로 수렴 속도를 검증한다.

실험 결과

연구 질문

• RQ1 고차수 QMC 방법을 다중 수준 유한요소 이산화와 효과적으로 조합하여 매개변수 PDE의 수렴 속도를 향상시킬 수 있는가?
• RQ2 다중 수준 고차수 QMC 설정에서 최적의 수렴을 보장하기 위해 매개변수 연산자 구조와 고유함수 정규성에 대해 어떤 충분한 조건이 필요한가?
• RQ3 다중 수준 고차수 QMC 방법의 작업 복잡도는 목표 정확도 $\varepsilon$ 에 대해 어떻게 변화하는가?
• RQ4 다중 수준 접근법이 단일 수준 고차수 QMC 알고리즘보다 우월한 문제 유형은 무엇인가?
• RQ5 이론적 오차 한계는 실제로 실현 가능한가? 알고리즘 파라미터는 관측된 수렴 속도에 어떤 영향을 미치는가?

주요 결과

• 다중 수준 고차수 QMC 알고리즘은 목표 정확도 $\varepsilon > 0$ 에 대해 작업 복잡도 $\mathcal{O}(\varepsilon^{-3/2})$ 를 달성하며, 로그 인자들을 무시한 상태에서 최적이다.
• 이론적 수렴 속도 $\mathcal{O}(\varepsilon^{-3/2})$ 는 수치적으로 확인되었으며, 오차 대 작업 그래프에서 기울기가 $-2/3$ 이다.
• 카르누엔-로플레르 고유함수가 충분한 매끄러움을 보일 경우, 단일 수준 QMC 알고리즘 대비 작업 효율성이 뛰어나다.
• 매개변수 연산자 $A_j$ 의 감쇠 특성에 맞춘 SPOD 가중치를 가진 상호 뒤섞인 다항식 레이어 규칙을 사용함으로써, 스트로크 차원에서 고차수 수렴이 보장된다.
• 절단 차원 및 각 수준의 QMC 점 수와 같은 알고리즘 파라미터는 사전 오차 한계에 기반하여 최적의 성능을 달성하도록 선택할 수 있다.
• 수준 $L=8$ 과 기준 해 $L=9$ 를 사용한 수치 실험을 통해 이론적 수렴 속도가 실제로 달성됨을 확인하였다.